AI Engineering Quereinsteiger: Data Science und AI Konzepte für Quereinsteiger

KI-Engineering-Grundlagen für Quereinsteiger -Kernprinzipien des KI-Engineerings für Quereinsteiger, die in die Technik einsteigen -Reale Anwendungen von Künstlicher Intelligenz in Wirtschaft und Industrie -Schlüsselwerkzeuge und Arbeitsabläufe im KI-Engineering für Quereinsteiger -Praktische Orientierung für Nicht-Techniker, die in die KI einsteigen Programmierung und Software-Engineering für Künstliche Intelligenz -Python-Grundlagen für Quereinsteiger: Funktionen, Schleifen, Datenstrukturen -Versionskontrolle mit Git & GitHub für kollaboratives KI-Engineering -Verwendung von Shell-Befehlen zur Automatisierung datenwissenschaftlicher Aufgaben -Objektorientierte Programmierung zur Strukturierung von KI-Engineering-Projekten Explorative Datenanalyse & SQL für KI-Engineering -Bereinigung und Transformation von Daten mit Pandas für Anwendungen der Künstlichen Intelligenz -Schreiben von SQL-Abfragen für den Zugriff auf und die Analyse von Daten für Machine-Learning-Workflows -Erstellen von Visualisierungen mit Seaborn und Matplotlib für Data Storytelling -Mini-Projekt zur Vorbereitung von Quereinsteigern auf reale KI-Engineering-Szenarien Maschinelles Lernen für Quereinsteiger -Einführung in Regressions- und Klassifizierungsmodelle im KI-Engineering -Verwendung von Ensemble-Methoden wie Random Forest und Boosting in Pipelines für Künstliche Intelligenz -Modellbewertungstechniken: Genauigkeit, Präzision, Recall und F1-Score -Praktisches Projekt zum maschinellen Lernen für Quereinsteiger Deep Learning & Neuronale Netze -Grundlagen künstlicher neuronaler Netze für KI-Engineering für Quereinsteiger -Bildverarbeitung mit CNNs und Einführung in NLP-Konzepte -Reduzierung der Dimensionalität und Clustering-Techniken in Workflows der Künstlichen Intelligenz -Einsatz von unüberwachtem Lernen für Erkenntnisse aus der Praxis AI Engineering für Quereinsteiger: Bereitstellung und MLOps -Erstellung und Bereitstellung von KI-Modellen mit Docker und APIs -Einrichtung von CI/CD-Workflows im AI Engineering für die kontinuierliche Bereitstellung -Modellüberwachung und Drift-Erkennung mit Prometheus und Grafana -Best Practices in MLOps für nachhaltige KI-Engineering-Produkte Capstone: Real-World AI Engineering für Quereinsteiger -Entwicklung eines vollständigen KI-Produkts als Quereinsteiger in einem Teamprojekt -Implementierung des KI-Engineering-Lebenszyklus von der Datenbeschaffung bis zur Modellbereitstellung -Präsentation von Lösungen und Überwachung der Modellleistung mithilfe von MLOps-Tools -Anwendung von durchgängigem Wissen über Künstliche Intelligenz in einem professionellen Umfeld

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

Förderungsmöglichkeiten

ja

Teilnahmevorraussetzungen

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

Preishinweis

Preis inkl. MwSt. undefined