Kontakt aufnehmen
 Dauer 35 Stunden

Schulungsübersicht

Überblick über KI in Python

  • Zentrale Konzepte und der Umfang der KI
  • Python-Bibliotheken für die KI-Entwicklung
  • Struktur und Workflow von KI-Projekten

Datenbereitstellung für KI

  • Bereinigung, Transformation und Feature Engineering der Daten
  • Bearbeitung fehlender und unausgeglichener Daten
  • Skalierung und Kodierung von Merkmalen

Techniken des überwachten Lernens

  • Algorithmen für Regression und Klassifikation
  • Ensemble-Methoden: Random Forest, Gradient Boosting
  • Hyperparameter-Abstimmung und Kreuzvalidierung

Techniken des nicht überwachten Lernens

  • Clustering-Methoden: K-Means, DBSCAN, hierarchisches Clustering
  • Dimensionsreduktion: PCA, t-SNE
  • Anwendungsfallbeispiele für das nicht überwachte Lernen

Neuronale Netze und Deep Learning

  • Einführung in TensorFlow und Keras
  • Aufbau und Training von Feedforward-Neuralen Netzen
  • Optimierung der Leistung neuronaler Netze

Verstärkendes Lernen (Einführung)

  • Zentrale Konzepte von Agenten, Umgebungen und Belohnungen
  • Implementierung grundlegender Algorithmen des verstärkenden Lernens
  • Anwendungen des verstärkenden Lernens

Bereitstellung von KI-Modellen

  • Speichern und Laden trainierter Modelle
  • Integration von Modellen in Anwendungen über APIs
  • Überwachung und Pflege von KI-Systemen im Produktivbetrieb

Zusammenfassung und nächste Schritte

Voraussetzungen

  • Grundlegende Kenntnisse in den Python-Programmierungsgrundlagen
  • Praxiserfahrung mit Datenanalyse-Bibliotheken wie NumPy und pandas
  • Grundlegendes Wissen über Machine-Learning-Konzepte und Algorithmen

Zielgruppe

  • Softwareentwickler, die ihre KI-Entwicklungsfähigkeiten erweitern möchten
  • Datenanalysten, die KI-Techniken auf komplexe Datenbestände anwenden möchten
  • Entwicklungs- und Forschungsprofis, die KI-gestützte Anwendungen erstellen

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Erfahrungsberichte (2)

Kommende Kurse

Verwandte Kategorien