Ziele der Weiterbildung
Die Qualifizierungsmaßnahme "AI Engineer" am IfaDW vermittelt praxisrelevante Kompetenzen für anspruchsvolle Tätigkeiten im Bereich Künstliche Intelligenz, Maschinelles Lernen und Data Science in Unternehmen und Organisationen. Die Maßnahme erstreckt sich über 30 Wochen, findet vollständig remote mit digitaler Lernbegleitung statt und umfasst die Schwerpunkte Datenanalyse, Maschinelles Lernen, Deep Learning, Natural Language Processing, Big Data Engineering und MLOps.
Ziel ist die umfassende Befähigung zur eigenständigen Entwicklung und Betreuung moderner KI-Anwendungen sowie datengetriebener Projekte im Unternehmensumfeld. Nach erfolgreichem Abschluss erhalten Teilnehmende ein Zertifikat gemäß AZAV und modulbezogene Teilnahmebescheinigungen mit Kompetenzprofil.
Inhalte der Weiterbildung
Datenanalyse mit Python:
Python-Grundlagen, Numpy, Pandas, Polars, Matplotlib, Seaborn, Plotly, Regular Expressions, Vernetzen von Programmen und Web Services, Objektorientierte Programmierung, Web Scraping, Zeitreihen, Statistik, EDA
Angewandtes Maschinelles Lernen:
Supervised Learning, Unsupervised Learning, Reinforcement Learning, Ensemble Learning, Decision Trees, Random Forests, Clustering, Feature Engineering, Missing Value Handling, Imputation, Outlier Detection, Modellbewertung, Explainable AI
Deep Learning:
TensorFlow, Keras, PyTorch, (Multilayer-)Perceptron, DNNs, CNNs, RNNs, LSTMs, GRU, Autoencoder, GANs, Transformer, Graph Neural Networks, Interpretierbarkeit, Fairness & Robustheit
NLP & Generative AI:
NLTK, spaCy, TF-IDF, Word2Vec, Embeddings, Sentiment Analysis, Named Entity Recognition, BERT, GPT, Hugging Face, Prompt Engineering, LangChain, Ollama, RAG, Vektordatenbanken, Agentic AI, Fine-Tuning
Big Data Engineering:
Apache Spark, Apache AirFlow, SQL, NoSQL, ETL/Pipelines, Data Modeling & Indexing
MLOps & Deployment:
Linux Essentials, Docker, Version Control, MLFlow, CI/CD, GitHub Actions, Unit Tests, FastAPI, Monitoring, Model Deployment, Portfolio Preparation
Individuelle Projektarbeiten