AI Engineer: AI Engineer Kurs für Anfängers

Einführung in AI Engineering & Künstliche Intelligenz -Was macht ein AI Engineer? Einführung in Aufgaben, Tools und Prozesse -Überblick über Künstliche Intelligenz, Machine Learning und Data Science -Projektlebenszyklus in AI Engineering: Von der Datenquelle bis zum Live-Modell -Einstieg in moderne KI-Technologien und Frameworks für Anfänger:innen Coding & Softwaregrundlagen für Data Science -Einführung in Python: Syntax, Datenstrukturen, Funktionen, Fehlerbehandlung -Objektorientiertes Programmieren leicht verständlich erklärt -Version Control Basics: Git und GitHub für Einsteiger:innen -Arbeiten mit der Unix-Konsole zur Automatisierung von Datenprozessen Grundlagen der Datenanalyse -Datenmanipulation mit Pandas & SQL – Einstieg in Data Science -Datenerkundung mit Visualisierungen in Matplotlib und Seaborn -EDA-Projekt: Analyse eines realen Datensatzes mit ersten Business-Insights -Verständnis für Datenstruktur, Datenqualität und Feature-Erstellung Machine Learning Basics für AI Engineers -Supervised Learning verständlich erklärt: Regression und Klassifikation -Modelle evaluieren mit Accuracy, Precision, Recall und F1-Score -Modelltraining mit Scikit-Learn anhand realer Datensätze -Mini-Projekt: Erstes Machine Learning Modell für einen Use Case Deep Learning & Generative AI Einstieg -Neuronale Netze – Funktionsweise, Aufbau und Trainingsprozess -Bild- und Textverarbeitung: Grundlagen von CNNs und NLP -Prompt Engineering für Chatbots und Generative AI Anwendungen -Clustering und Dimensionsreduktion mit K-Means, PCA und t-SNE Statistik für angehende AI Engineers -Deskriptive und schließende Statistik für Modellierung -Wahrscheinlichkeitsverteilungen und Signifikanztests -Anwendung statistischer Konzepte im Machine Learning Kontext -Verbindung zwischen Statistik, Data Science und Künstlicher Intelligenz Data Engineering & Deployment für Anfänger:innen -Einführung in Datenarchitektur und Pipelines mit Prefect -Grundlagen von Docker zur Containerisierung von ML-Modellen -CI/CD Konzepte einfach erklärt für produktionsreife KI-Projekte -Monitoring und Wartung: Wie man KI-Lösungen langfristig stabil hält Praxisprojekt: AI Engineering zum Mitmachen -Capstone-Projekt zur Umsetzung eines End-to-End AI Engineering Workflows -Von der Datenaufnahme bis zum Deployment eines ML-Modells -Zusammenarbeit im Team – wie ein echter AI Engineer arbeiten -Kommunikation, Präsentation und Dokumentation der KI-Lösung

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