Nutzen
Das Schlagwort „Künstliche Intelligenz“ ist in aller Munde. Nicht nur amerikanische und chinesische Digitalkonzerne nutzen dieses Werkzeug, um bisher unvorstellbare Umsätze und Margen zu erzielen, auch in Deutschland wird Künstliche Intelligenz immer häufiger eingesetzt.
Der Lehrgang behandelt die Grundlagen der automatisierten Datenverarbeitung, Data Science und KI-Anwendungen. Die Teilnehmer vertiefen ihr Fachwissen durch Vorträge und selbstständige Übungsaufgaben und sind dadurch in der Lage selbst KI-Anwendungen zu entwickeln. Die Lehrgangsinhalte sind gezielt praxisnah gestaltet.
An 7 Lehrgangstagen (Teil I: 3 Tage, Teil II: 4 Tage) erhalten die Teilnehmer eine fundierte Grundausbildung in den Methoden von Data Science und Künstlicher Intelligenz (KI). Sie lernen wie Sie unter dem Einsatz von Machine Learning und KI Daten automatisiert verarbeiten und daraus Mehrwerte generieren. Im ersten Teil lernen Sie die Grundlagen von Machine Learning und Deep Learning kennen und erhalten eine Einführung in die Python-Entwicklung für KI-Anwendungen.
Im zweiten Teil lernen Sie, wie Sie Modelle bzw. KI-Anwendungen erfolgreich zum Einsatz bringen. Sie verstehen die gängigsten Verfahren im Detail und können bestehende Anwendungen weiter entwickeln. Darüber hinaus können Sie selbst neue Ansätze identifizieren.
In der Schulung wechseln sich Fachvortrag und Gruppenarbeiten ab, die den Transfer des Gelernten in die eigene Arbeitspraxis unterstützen.
Inhalt
Teil 1: Grundlagen der KI-Programmierung
- Grundlagen von Machine Learning und Deep Learning
- Überblick über den Software-Stack für einen reibungslosen Start mit Data Science und KI
- Einführung in die Python-Entwicklung für KI-Anwendungen
- Python-Pakete Pandas, NumPy, scikit-learn
- Data Engineering: Aufbereitung von Daten aus bestehenden Dateninfrastrukturen für Analysen und KI-Anwendungen
Teil 2: Angewandte KI-Programmierung
- Einführung in die gängigsten Machine-Learning-Modelle
- Möglichkeiten zur Bewertung des Outputs eines Vorhersagemodells
- Zusammenhang zwischen Bayessche Statistik, Overfitting und Regularisierung
- Funktionsweise von neuronalen Netzen
- Backpropagation
- Einsatz von Convolutional Neural Networks (CNNs) bei der Bilderkennung
- Funktionsweise von Recurrent Neural Networks (RNNs)
- Python-Pakete PyTorch, TensorFlow, Keras
- Training von KI-Modellen für eigene Anwendungen
Zielgruppe
Softwareentwickler
Voraussetzungen
Softwareentwicklung, mathematisches Grundverständnis, Grundlagen in Statistik, idealerweise erste Erfahrungen mit Machine Learning
Abschluss
Unmittelbar nach jedem Block findet ein Abschlusstest in schriftlicher Form statt. Nach erfolgreichem Abschluss wird das IHK Akademie-Zertifikat „AI Professional IHK“ erteilt.
