Kontakt aufnehmen
 Dauer 35 Stunden

Schulungsübersicht

Überblick über KI in Python

  • Kernkonzepte und Anwendungsbereiche von KI
  • Python-Bibliotheken für die KI-Entwicklung
  • Struktur und Arbeitsablauf von KI-Projekten

Datenvorbereitung für KI

  • Datenbereinigung, Transformation und Feature Engineering
  • Bearbeitung fehlender und unausgeglichener Daten
  • Skalierung und Kodierung von Merkmalen

Methoden des überwachten Lernens

  • Regressions- und Klassifikationsalgorithmen
  • Ensemble-Methoden: Random Forest, Gradient Boosting
  • Hyperparameter-Optimierung und Kreuzvalidierung

Methoden des unüberwachten Lernens

  • Klusterbildungsmethoden: K-Means, DBSCAN, hierarchische Clusteranalyse
  • Dimensionsreduktion: PCA, t-SNE
  • Anwendungsfälle für unüberwachtes Lernen

Neuronale Netzwerke und Deep Learning

  • Einführung in TensorFlow und Keras
  • Aufbau und Training von Feedforward-Neuronen-Netzwerken
  • Optimierung der Leistung von neuronalen Netzwerken

Reinforcement Learning (Einführung)

  • Grundkonzepte von Agenten, Umgebungen und Belohnungen
  • Implementierung grundlegender Reinforcement-Learning-Algorithmen
  • Anwendungen des Reinforcement Learning

Bereitstellung von KI-Modellen

  • Speichern und Laden trainierter Modelle
  • Integration von Modellen in Anwendungen über APIs
  • Überwachung und Wartung von KI-Systemen im Betrieb

Zusammenfassung und nächste Schritte

Voraussetzungen

  • Fundierte Kenntnisse in den Grundlagen der Python-Programmierung
  • Experience mit Datenanalyse-Bibliotheken wie NumPy und pandas
  • Grundlegende Kenntnisse von Machine-Learning-Konzepten und -Algorithmen

Zielgruppe

  • Softwareentwickler, die ihre Fähigkeiten in der KI-Entwicklung erweitern möchten
  • Analysten für Daten, die KI-Methoden auf komplexe Datensätze anwenden wollen
  • F&E-Experten, die KI-gestützte Anwendungen entwickeln

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Erfahrungsberichte (2)

Kommende Kurse

Verwandte Kategorien