Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Schulungsübersicht
1. Einführung in das KI-Engineering
- Was ist KI-Engineering?
- KI vs. Maschinelles Lernen vs. Deep Learning
- Der Lebenszyklus des KI-Engineerings
- Anwendung von KI in verschiedenen Branchen
- Rollen und Verantwortlichkeiten eines KI-Ingenieurs
2. Grundlagen der künstlichen Intelligenz
- Kernkonzepte und Terminologie der KI
- Überwachtes, unüberwachtes und verstärkendes Lernen
- Grundlagen neuronaler Netze und Deep Learning
- Überblick über generative KI und Foundation Models
- KI-Entwicklungsökosysteme und Frameworks
3. Python für das KI-Engineering
- Wichtige Python-Bibliotheken für die KI
- NumPy, Pandas und Matplotlib
- Datenmanipulation und Visualisierung
- Umgang mit Jupyter Notebooks
- Schreiben wiederverwendbarer KI-Code
4. Datenvorbereitung für die KI
- Sammlung und Verständnis von Datensätzen
- Datenbereinigung und Vorverarbeitung
- Feature Engineering
- Feature-Skalierung und Normalisierung
- Aufteilung von Datensätzen in Trainings-, Validierungs- und Testdaten
- Umgang mit fehlenden Werten und Ausreissern
5. Grundlagen des Maschinellen Lernens
- Regression-Algorithmen
- Klassifizierungsalgorithmen
- Clustering-Techniken
- Workflow zur Modellschulung
- Bewertungsmaße für Modelle
- Vermeidung von Überanpassung und Unteranpassung
6. Erstellung von KI-Modellen mit TensorFlow und PyTorch
- Einführung in TensorFlow
- Einführung in PyTorch
- Erstellung neuronaler Netze
- Schulung und Validierung von Modellen
- Speichern und Laden von Modellen
- Vergleich beider Frameworks
7. Grundlagen der Verarbeitung natürlicher Sprachen (NLP)
- Vorverarbeitung von Text
- Word Embeddings
- Textklassifizierung
- Sentiment-Analyse
- Einführung in Transformer-Modelle
- Praktische NLP-Anwendungen
8. KI in der Softwareentwicklung
- Integration von KI in bestehende Anwendungen
- Anbindung von KI-Diensten über APIs
- Entwicklung KI-gestützter Anwendungen
- KI-unterstützte Entwicklungstools für die Softwareentwicklung
- Testing von KI-fähigen Anwendungen
9. Best Practices im KI-Engineering
- Projektorganisation
- Versionskontrolle mit Git
- Experimentverfolgung
- Modellversionierung
- Dokumentationsstandards
- Reproduzierbarkeit in KI-Projekten
10. Bereitstellung von KI-Modellen
- Modellserialisierung
- Erstellung von Inferenzdiensten
- REST-APIs für KI-Modelle
- Einführung in Docker für die KI-Bereitstellung
- Überwachung bereitgestellter Modelle
- Instandhaltung und Updates der Modelle
11. Data Engineering für die KI
- Daten-Pipelines
- ETL-Prozesse (Extrahieren, Transformieren, Laden)
- Verwaltung strukturierter und unstrukturierter Daten
- Speichermöglichkeiten für Daten
- Datenqualitätsmanagement
- Vorbereitung produktionsreifer Datensätze
12. Verantwortungsvolle und ethische KI
- KI-Voreingenommenheit und Fairness
- Erklärbare KI (XAI)
- Datenschutz und Datensicherheit
- Sicherheitsaspekte der KI
- Verantwortungsvolle Entwicklung von KI
- Regulatorische und Governance-Aspekte
13. Projektmanagement für KI
- Lebenszyklus von KI-Projekten
- Agile Methoden für KI-Projekte
- Zusammenarbeit zwischen technischen und geschäftlichen Teams
- Kostenschätzung für KI-Projekte
- Risikomanagement
- Erfolgsmessung von Projekten
14. Praktisches KI-Engineering-Workshop und Zukunftstrends
- Aufbau eines kompletten KI-Entwicklungsarbeitsflusses
- Erstellung eines durchgehenden ML-Projekts
- Schulung und Evaluierung eines Modells mit TensorFlow oder PyTorch
- Bereitstellung einer einfachen KI-Anwendung
- Aktuelle Trends im KI-Engineering
- Generative KI und Gross Sprachmodelle (LLMs)
- MLOps und Automatisierung von KI
- Karrierewege und lebenslanges Lernen
- Zusammenfassung, Q&A und nächste Schritte
Voraussetzungen
- Grundlegende Programmierkonzepte
- Erfahrung mit der Python-Programmierung
- Vertrautheit mit grundlegender Statistik und linearer Algebra
Zielgruppe
- KI-Ingenieur:innen
- Softwareentwickler:innen
- Datenanalyst:innen
14 Stunden
Erfahrungsberichte (2)
Die umfangreiche Auswahl vorgestellter Tools
Miruna Buzduga - Aeronamic Eastern Europe
Kurs - AI Enablement Training for Engineers
Maschinelle Übersetzung
Schritt für Schritt Training mit vielen Übungen. Es war wie ein Workshop, und ich bin sehr froh darüber.
Ireneusz - Inter Cars S.A.
Kurs - Intelligent Applications Fundamentals
Maschinelle Übersetzung