Ki Grundlagen für Ki Engineering

Grundlagen der KI für KI-Engineering Einführung in das KI-Engineering -Verstehen Sie die wesentlichen Fähigkeiten, die für das KI-Engineering in realen Anwendungen erforderlich sind -Entdecken Sie die praktische Relevanz der Künstlichen Intelligenz in der heutigen Technologielandschaft -Erfahren Sie, wie KI-Engineering die Grundlagen des Codierens, der Datenanalyse und des maschinellen Lernens miteinander verbindet -Richten Sie Python und Ihre Entwicklungsumgebung für KI-Engineering-Projekte ein Grundlagen der Programmierung in Python -Entwickeln Sie grundlegende Programmierlogik mit Python – einem der wichtigsten Werkzeuge im KI-Engineering -Arbeiten Sie mit Variablen, Datenstrukturen, Bedingungen, Schleifen und Fehlerbehandlung -Wenden Sie Kontrollflussstrukturen an, um Daten zu verarbeiten und Aufgaben zu automatisieren -Integrieren Sie Best Practices in der Programmierung für saubere und skalierbare KI-Engineering-Skripte Versionskontrolle und Software-Tools für Künstliche Intelligenz -Arbeiten Sie mit Git und GitHub an KI-Engineering-Projekten zusammen -Verwalten Sie Code-Versionen, Verzweigungen und Pull-Anfragen in KI-Engineering-Workflows -Verwenden Sie Unix-Befehlszeilentools, um in Dateisystemen zu navigieren und Datenoperationen zu automatisieren -Wenden Sie objektorientierte Programmierung (OOP) an, um KI-fokussierten Code zu strukturieren Explorative Datenanalyse (EDA) für Künstliche Intelligenz -Analysieren und visualisieren Sie Datensätze mit Pandas, Matplotlib und Seaborn -Bereiten Sie Daten für Machine-Learning-Pipelines in der KI-Entwicklung vor und bereinigen Sie sie -Fragen Sie Datenbanken mit SQL ab, um relevante Trainingsdaten zu extrahieren -Führen Sie ein praktisches Projekt durch, um mithilfe von EDA-Techniken geschäftliche Erkenntnisse zu gewinnen Grundlagen des maschinellen Lernens für AI Engineering -Lernen Sie Regressions- und Klassifizierungsalgorithmen, die für Künstliche Intelligenz unerlässlich sind -Verstehen Sie Entscheidungsbäume, k-NN, SVM und Ensemble-Methoden -Bewerten Sie Modelle anhand von Genauigkeit, Recall, F1-Score und Verwechslungsmatrizen -Trainieren Sie Modelle mit Scikit-Learn und validieren Sie die Ergebnisse in praktischen AI Engineering-Fällen

Zielgruppe

-Arbeitssuchende, die sich weiterbilden möchten, um ihre Fähigkeiten zu erweitern und ihre Beschäftigungsfähigkeit auf dem hart umkämpften Arbeitsmarkt zu verbessern. -Arbeitssuchende, die ihre Chancen auf dem Arbeitsmarkt verbessern oder sich durch den Erwerb praktischer Kenntnisse für neue Aufgaben qualifizieren möchten. -Quereinsteiger, die sich in diesem Bereich neu orientieren und ihre Karrierechancen verbessern oder ihre Karriere durch den Erwerb spezialisierter Fähigkeiten vorantreiben möchten. -Menschen, die in Unternehmen, Agenturen und Beratungsfirmen arbeiten oder arbeiten wollen, die in diesem Bereich tätig sind -Menschen, die sich in diesem Bereich spezialisieren und sich solides praktisches Wissen aneignen wollen, um benutzerfreundliche, barrierefreie und effektive digitale Lösungen zu entwickeln.

Hinweise zur Prüfung und Zertifikat/Abschluss

Trägerzertifikat sowie Abschlussprojekt

Teilnahmevorraussetzungen

-Motivation und Interesse an IT, Design und Softwareentwicklung -Gute Computerkenntnisse (PC/Mac) -Teilnahme an einer unverbindlichen Beratung

Preishinweis

Preis inkl. MwSt. undefined