Kontakt aufnehmen
 Dauer 35 Stunden

Schulungsübersicht

Überblick über KI in Python

  • Wichtige Konzepte und der Umfang der KI
  • Python-Bibliotheken für die KI-Entwicklung
  • Struktur und Workflow von KI-Projekten

Datenvorbereitung für KI

  • Datenbereinigung, Transformation und Feature-Engineering
  • Umgang mit fehlenden und unausgeglichenen Daten
  • Feature-Skalierung und Kodierung

Methoden des überwachten Lernens

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

Methoden des unüberwachten Lernens

  • Klusterungsverfahren: K-Means, DBSCAN, hierarchisches Clustering
  • Dimensionsreduktion: PCA, t-SNE
  • Anwendungsbeispiele für unüberwachtes Lernen

Neuronale Netze und Deep Learning

  • Einführung in TensorFlow und Keras
  • Aufbau und Training von Feedforward-Neuronen
  • Optimierung der Leistung neuronaler Netze

Reinforcement Learning (Einführung)

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

Bereitstellung von KI-Modellen

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

Zusammenfassung und nächste Schritte

Voraussetzungen

  • Fundierte Kenntnisse der Python-Programmierungsgrundlagen
  • Erfahrung mit Datenanalyse-Bibliotheken wie NumPy und pandas
  • Grundkenntnisse der Konzepte und Algorithmen des Machine Learnings

Zielgruppe

  • Softwareentwickler, die ihre KI-Entwicklungsfähigkeiten erweitern möchten
  • Datenanalysten, die KI-Techniken auf komplexe Datensets anwenden wollen
  • Entwicklungs- und Forschungsprofis, die KI-gestützte Anwendungen entwickeln

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Erfahrungsberichte (2)

Kommende Kurse

Verwandte Kategorien