Dieser Kurs bietet eine Einführung in die Methoden und Anwendungen der Künstlichen Intelligenz.
Explorative Datenanalyse für KI-Methoden und Anwendungen- Daten bereinigen, normalisieren und für maschinelle Lernprozesse vorbereiten
- Muster und Korrelationen in großen Datensätzen identifizieren und analysieren
- Feature Engineering anwenden, um die Performance von KI-Modellen zu optimieren
SQL für leistungsstarke Datenverarbeitung in der Künstlichen Intelligenz
- Joins und Aggregationen nutzen, um strukturierte Datensätze für Trainingsprozesse aufzubereiten
- Optimierte Abfragen schreiben, um die Modellgenauigkeit durch qualitativ hochwertige Daten sicherzustellen
- Datenbanken gezielt für KI-Anwendungen vorbereiten, um effiziente Modellberechnungen zu ermöglichen
Interaktive Visualisierung von KI-Prozessen mit Power BI
- Dynamische Dashboards erstellen, um KI-Ergebnisse und Modellmetriken verständlich darzustellen
- DAX-Funktionen nutzen, um datengetriebene Berechnungen für Modellbewertungen durchzuführen
- Aussagekräftige Berichte entwickeln, um datenbasierte Entscheidungen in KI-Anwendungen zu verbessern
Grundlagen und Anwendung neuronaler Netzwerke in der Künstlichen Intelligenz
- Convolutional und Recurrent Neural Networks für Bild- und Sprachverarbeitung trainieren
- Hyperparameter-Tuning und Transfer Learning nutzen, um Präzision und Effizienz zu steigern
- Neuronale Netzwerke für praxisnahe KI-Anwendungen einsetzen und optimieren