Grundlagen der Künstlichen Intelligenz und des Machine Learnings: Algorithmen, neuronale Netze, supervised und unsupervised Learning
Praktische Programmierung mit Python und den gängigen KI-Frameworks wie TensorFlow, PyTorch und scikit-learn
Entwicklung, Training und Evaluierung von KI/ML-Modellen, inklusive Deep Learning und Natural Language Processing (NLP)
Arbeit mit Large Language Models (LLMs), Prompt Engineering und modernen KI-Systemen (LangChain, OpenAI GPT)
MLOps: Modellvalidierung, Monitoring, Versionierung und CI/CD für KI-Systeme
Ethische Fragestellungen im KI-Einsatz, Fairness und verantwortungsvolle KI-Nutzung
Teamarbeit und Projektmanagement in agilen Umgebungen, Entwicklung eines praxisorientierten Portfolios
Abschlusszertifikat "Zertifizierter AI Engineer" mit praxisnahen Prüfungen und Portfoliobewertung