Künstliche Intelligenz mit Python (Onlinekurs)

Der Python-Kurs Data Science und Künstliche Intelligenz mit Python ist das erste Modul des Lehrgangs → Data Science Crash Course mit Python. Mit dem Lehrgang erhalten eine fundierte und modular aufgebaute Einführung in die Themen Data Science, Künstliche Intelligenz und Machine Learning (Maschinelles Lernen) sowohl für numerische Daten als auch für Textdaten. Bei entsprechenden Vorkenntnissen können Sie die Module auch einzeln besuchen. Das einführende Modul Data Science und Künstliche Intelligenz mit Python gibt einen Überblick über die aktuellen Data Science Methoden der Künstlichen Intelligenz mit zahlreichen Praxisbeispielen aus Prozessindustrie, Predictive Maintenance oder dem Natural Language Processing (NLP), das die Grundlage von Chatbots darstellt. Ein besonderer Fokus wird zudem auf das Maschinelle Lernen gelegt, das ein wichtiges Handwerkszeug eines jeden Data Scientists ist. Dabei steht der Hands-on-Character im Fokus. Zuerst gibt es eine intensive Einführung in die Programmiersprache Python, woraufhin an einem Praxis-Beispiel der gesamte Data-Science-Prozess inkl. Datenzugriff, Visualisierung, Aufbereitung der Daten, Feature Engineering, Validierung und Evaluation umgesetzt wird. Dabei programmieren Sie eigenhändig den Machine Learning Algorithmus Learning Vector Quantization (LVQ), der Ähnlichkeiten zu Neuronalen Netzen besitzt. Insgesamt erhalten Sie dadurch einen intensiven Einblick, wie Data Science und Künstliche Intelligenz in der Praxis angewendet werden. Gerne können Sie hierfür auch Ihre eigene Fragestellung inkl. der notwendigen Daten mitbringen. „Data Scientist: The Sexiest Job of the 21st Century“ lautete der Titel eines Artikels der Harvard Business Review in 2012. Wenn es um die erfolgreiche Nutzung von Daten geht, dominiert jedoch seit einigen Jahren die „Künstliche Intelligenz“ die Berichterstattung. Wie passt das zusammen? Den aktuellen Höhenflug hat die Künstliche Intelligenz dem Maschinellen Lernen zu verdanken. In dieser Disziplin werden Erkenntnisse und Regeln direkt aus den Daten gewonnen. Auch Data Scientists nutzen zahlreiche Methoden aus dem Bereich des Maschinellen Lernens – daher der Zusammenhang. Ein wichtiger Faktor bei der erfolgreichen Nutzung von Daten ist deren Kontext. Dies macht die Fach- und Branchenexpertise zu einem wichtigen Bestandteil für Data Science und Künstliche Intelligenz. In Online-Kurs Data Science und Künstliche Intelligenz mit Python schlagen wir eine Brücke von der Fach- und Branchenexpertise zur erfolgreichen Nutzung von Daten. Lernziele und Nutzen des Seminars Am Ende des Seminars Data Science und Künstliche Intelligenz mit Python werden Sie die aktuelle Berichterstattung zu Künstliche Intelligenz, Maschinellem Lernen, Reinforcement Learning und Data Science sowie deren Anwendungspotential in verschiedenen Bereichen wie Logistik, Predictive Maintenance oder Chatbots inhaltlich einordnen und bewerten können, vorhandene Daten mit Python und Methoden des Maschinellen Lernens für Ihren Bereich nutzbar machen können (unter Einsatz der Python-Pakete Scikit-Learn und Keras/Tensorflow), die Programmiersprache Python und den wissenschaftlichen Rechenstapel von Python zur Implementierung von Maschinellen Lernalgorithmen kennengelernt haben, um zu wissen, welche Daten für die erfolgreiche Umsetzung einer Fragestellung aus Ihrem Bereich (noch) notwendig sind und ein vollständigen Data-Science-Zyklus umgesetzt haben und damit wissen, was hierfür notwendig ist und welche Herausforderungen auf Sie zukommen werden. Zielgruppe des Seminars Data Science und Künstliche Intelligenz mit Python Das Seminar Data Science und Künstliche Intelligenz mit Python ist für Beschäftigte aus operativen Bereichen, R&D und IT mit grundlegenden Programmierkenntnissen geeignet, welche die Potenziale von Data Science, Künstlicher Intelligenz und Maschinellem Lernen für ihren Bereich kennenlernen und hautnah erfahren möchten. Anwender, Studenten, Doktoranden und Forscher aus den mathematischen, statistischen, naturwissenschaftlichen, ingenieurwissenschaftlichen, informationstechnologischen, betriebs-, wirtschafts-, markt- und sozialwissenschaftlichen Bereichen sind ebenfalls willkommen. Zudem eignet sich diese Einführung auch für Entscheider, die wissen möchten, was sich hinter den aktuellen Schlagwörtern verbirgt und was alles nötig ist, um ein erstes Projekt zu starten oder ein Data Science Team aufzubauen. Voraussetzungen für das Seminar Für das Seminar Data Science und Künstliche Intelligenz mit Python sind Grundverständnisse der Linearen Algebra (Vektoren, Matrizen) und ein Basiswissen in der Statistik (wie Korrelationen, Signifikanztests, lineare Regression) sehr empfehlenswert. Sie sollten Grundkenntnisse in einer Programmiersprache besitzen, am besten wäre eine Skriptsprache wie Python, R oder Matlab. Liegen keine Programmierkenntnisse vor, können Sie den dafür entwickelten Vorbereitungskurs Einführung in die Programmierung mit Python besuchen. Dauer des Seminars und Anteil von Übungen Rahmen: 2 Tage mit 16 Unterrichtsstunden (täglich 8 Stunden, 9-17 Uhr) Aufteilung Theorie/Praxis: 40% Vorlesung + 60 % Praxis, Übungen und Demos Überblick, Grundlagen und Praxisbeispiele Künstliche Intelligenz Data Science Maschinelles Lernen Herausforderungen bei der Umsetzung eines Data Science/KI Projekts Praxisbeispiele u.a. zu den Themen: Natural Language Processing (NLP) Bilderkennung Predictive Maintenance Prozessindustrie Logistik Intensivkurs Python Einführung in Python: list, array, loops, functions, classes, plotting Relevante Python-Bibliotheken: numpy, scikit-learn, pandas Data Science mit Python: Statistiken, Korrelationen, Vorverarbeitung Praxis-Übung: Datenzugriff, Datenexplorierung und Visualisierung Methoden des Maschinellen Lernens Überwachtes Lernen/Supervised Learning Unüberwachtes Lernen/Unsupervised Learning Reinforcement Learning Praxis-Übung: Selektion der richtigen Features Data-Science-Zyklus Datenverständnis und Vorbereitung Aufsetzen des Data-Science-Zyklus: Train-Test-Split, Pipelines, Kreuzvalidierung/Crossvalidaton, Hyperparameter-Optimierung Implementierung eines Machine Learning Algorithmus (Learning Vector Quantization) Evaluation des Algorithmus Praxis-Übung: Clustering und Klassifikation

Hinweis zum Ablauf

Sie benötigen zur Teilnahme an einem unserer Online-Seminare einen Computer mit Internetzugang (empfohlene Bandbreite 1-2 MBit/s). Sie erhalten nach der Anmeldung eine detaillierte Installationsanleitung für die erforderliche Statistik- und Videokonferenz-Software (Teilnahme mit Browser möglich). Bei Bedarf können Sie einen Fernzugang zu einem Schulungscomputer mit der erforderlichen Software erhalten.

Zielgruppe

Das Seminar Data Science und Künstliche Intelligenz mit R ist für Beschäftigte aus operativen Bereichen, R&D und IT mit grundlegenden Programmierkenntnissen geeignet, welche die Potenziale von Data Science, Künstlicher Intelligenz und Maschinellem Lernen für ihren Bereich kennenlernen und hautnah erfahren möchten. Anwender, Studenten, Doktoranden und Forscher aus den mathematischen, statistischen, naturwissenschaftlichen, ingenieurwissenschaftlichen, informationstechnologischen, betriebs-, wirtschafts-, markt- und sozialwissenschaftlichen Bereichen sind ebenfalls willkommen. Zudem eignet sich diese Einführung auch für Entscheider, die wissen möchten, was sich hinter den aktuellen Schlagwörtern verbirgt und was alles nötig ist, um ein erstes Projekt zu starten oder ein Data Science Team aufzubauen.

Hinweise zur Prüfung und Zertifikat/Abschluss

Schulungszertifikat bei Anwesenheit von mind. 90 % der Schulungszeit

Förderungsmöglichkeiten

Bildungsurlaub, Weiterbildungsscheck, Weiterbildungsbonus, QualiScheck (kein Bildungsgutschein)

Preishinweis

Preis inkl. MwSt. Selbstzahler erhalten 50 % Rabatt, der Kurs ist außerdem Bestandteil des 5-tägigen Seminars "Data Science Crash Course". Bei Buchung des 5-tägigen Seminars zahlen Sie 10 % weniger als für die Teilkurse.