Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Schulungsübersicht
1. Einführung in die KI-Entwicklung
- Was ist KI-Entwicklung?
- KI vs. maschinelles Lernen vs. tiefes Lernen
- Der Lebenszyklus der KI-Entwicklung
- Anwendungsbereiche der KI in verschiedenen Branchen
- Aufgaben und Verantwortlichkeiten eines KI-Entwicklers
2. Grundlagen der künstlichen Intelligenz
- Wesentliche Begriffe und Konzepte der KI
- Überwachtes, unüberwachtes sowie verstärkendes Lernen
- Neuronale Netze und Grundlagen des tiefen Lernens
- Ein Überblick über generative KI und Basismodelle
- Ökosysteme sowie Frameworks für die KI-Entwicklung
3. Python in der KI-Entwicklung
- Wichtige Python-Bibliotheken für die KI-Arbeit
- NumPy, Pandas und Matplotlib
- Datenmanipulation und -visualisierung
- Arbeiten mit Jupyter Notebooks
- Erstellung wiederverwendbaren KI-Codes
4. Datenvorbereitung für die KI
- Sammeln und Verständnis von Datensätzen
- Datenbereinigung und -vorverarbeitung
- Merkmalsextraktion und -gestaltung
- Skalierung und Normalisierung der Merkmale
- Aufteilung der Daten in Trainings-, Validierungs- und Testdatensätze
- Umgang mit fehlenden Werten sowie Ausreißern
5. Grundlagen des maschinellen Lernens
- Regressionsalgorithmen
- Klassifizierungsalgorithmen
- Clustering-Verfahren
- Ablauf des Modelltrainings
- Evaluationskriterien für Modelle
- Vermeidung von Über- und Unteranpassung
6. Erstellung von KI-Modellen mit TensorFlow und PyTorch
- Einführung in TensorFlow
- Einführung in PyTorch
- Erstellung neuronaler Netze
- Training sowie Validierung von Modellen
- Speichern und Laden von Modellen
- Vergleich der beiden Frameworks
7. Grundlagen der Verarbeitung natürlicher Sprache
- Textvorverarbeitung
- Wortrepräsentationen mittels Embeddings
- Textklassifikation
- Sentimentanalyse
- Einführung in Transformermodelle
- Praktische Anwendungen der NLP-Technologie
8. KI im Softwareentwicklungsprozess
- Integration von KI in bestehende Anwendungen
- Aufrufen von KI-Diensten via APIs
- Entwicklung KI-gestützter Softwareanwendungen
- KI-unterstützende Entwicklungswerkzeuge
- Tests von KI-basierten Anwendungen
9. Bewährte Praktiken in der KI-Entwicklung
- Projektorganisation
- Versionsverwaltung mit Git
- Nachverfolgung von Experimenten
- Modellversionsverwaltung
- Dokumentationsstandards
- Reproduzierbarkeit in KI-Projekten
10. Bereitstellung von KI-Modellen
- Serialisierung von Modellen
- Aufbau von Inferenzdiensten
- REST-APIs für KI-Modelle
- Einführung in Docker zur Bereitstellung von KI-Systemen
- Überwachung eingesetzter Modelle
- Wartung und Aktualisierung der Modelle
11. Datenarbeit in der KI-Entwicklung
- Datenpipelines
- ETL-Prozesse
- Verwaltung strukturierter und unstrukturierter Daten
- Möglichkeiten der Datenspeicherung
- Sicherstellung der Datenqualität
- Bereitstellung produktionsfähiger Datensätze
12. Verantwortungsvolle und ethische KI-Nutzung
- Vermeidung von Bias und Gewährleistung von Fairness in der KI
- Erklärungsfähige KI (XAI)
- Datenschutz und -sicherheit
- Sicherheitsaspekte bei der KI-Entwicklung
- Verantwortungsbewusste Vorgehensweise in der KI-Arbeit
- Regulatorische Anforderungen und Governance-Kriterien
13. Projektmanagement im Bereich KI
- Lebenszyklus von KI-Projekten
- Agile Methoden für die KI-Entwicklung
- Zusammenarbeit zwischen technischen und geschäftlichen Teams
- Schätzung des Arbeitsaufwands bei KI-Projekten
- Risikomanagement im Projektverlauf
- Messung des Erfolgs von KI-Projekten
14. Praktisches Workshop zur KI-Entwicklung sowie zukünftige Trends
- Einrichtung eines vollständigen Workflows für die KI-Entwicklung
- Ausarbeitung eines end-to-end Machine-Learning-Projekts
- Training und Bewertung eines Modells mittels TensorFlow oder PyTorch
- Bereitstellung einer einfachen KI-Anwendung
- Aktuelle Entwicklungen in der KI-Entwicklung
- Generative KI sowie große Sprachmodelle (LLMs)
- MLOps und Automatisierung im Bereich KI
- Karrierechancen und Möglichkeiten zur Weiterbildung
- Zusammenfassung, Fragen-Antwort-Runde sowie weitere Schritte
Voraussetzungen
- Kenntnisse grundlegender Programmierkonzepte
- Erfahrung in der Python-Programmierung
- Grundverständnis von Statistik und linearer Algebra
Zielgruppe
- KI-Entwickler
- Softwareentwickler
- Datenanalysten
14 Stunden
Erfahrungsberichte (2)
Die umfangreiche Auswahl vorgestellter Tools
Miruna Buzduga - Aeronamic Eastern Europe
Kurs - AI Enablement Training for Engineers
Maschinelle Übersetzung
Schritt für Schritt Training mit vielen Übungen. Es war wie ein Workshop, und ich bin sehr froh darüber.
Ireneusz - Inter Cars S.A.
Kurs - Intelligent Applications Fundamentals
Maschinelle Übersetzung