Datenwissenschaft mit künstlicher Intelligenz: Konzepte der künstlichen Intelligenz
Dieser Kurs bietet eine umfassende Einführung in die Konzepte der künstlichen Intelligenz (KI) und behandelt die Grundlagen von Python, KI-Prinzipien, maschinelles Lernen und Deep-Learning-Frameworks. Die Teilnehmer sammeln praktische Erfahrungen in der KI-gesteuerten Problemlösung und Modellentwicklung.
Kursmodule:

Einführung in Python für KI und Datenwissenschaft
  • Erlernen der Python-Syntax, Datenstrukturen und Funktionen für KI-Anwendungen.
  • Die Rolle von Python bei KI-gesteuerten Lösungen verstehen.
  • Mit Python-Bibliotheken für die Entwicklung von KI-Modellen arbeiten.
Einrichten von Entwicklungsumgebungen
  • Jupyter-Notebooks und Anaconda für die KI-Entwicklung konfigurieren.
  • Git- und Unix-Befehle für die Versionskontrolle und Zusammenarbeit nutzen.
  • KI-freundliche Umgebungen mit IDEs wie PyCharm und VS Code einrichten.
Grundlagen der künstlichen Intelligenz (KI)
  • KI-Konzepte verstehen, einschließlich regelbasierter Systeme und maschinelles Lernen.
  • Den Unterschied zwischen überwachtem, unüberwachtem und bestärkendem Lernen erforschen.
  • KI-Anwendungen in Branchen wie dem Gesundheitswesen, dem Finanzwesen und der Robotik kennenlernen.
Einführung in das maschinelle Lernen (ML)
  • Die Grundlagen von Algorithmen des maschinellen Lernens und ihre Anwendungen erlernen.
  • Die Unterschiede zwischen Klassifizierung, Regression und Clustering verstehen.
  • Modellbewertungsmetriken zur Beurteilung der KI-Leistung untersuchen.
Deep Learning und neuronale Netze
  • Künstliche neuronale Netze (KNN) und ihre Komponenten verstehen.
  • Erfahren Sie mehr über Aktivierungsfunktionen, Schichten und Backpropagation.
  • Implementieren Sie TensorFlow und Keras für die Erstellung von Deep-Learning-Modellen.
KI in der Praxis: Anwendungen in der realen Welt
  • Erkunden Sie, wie KI in der Verarbeitung natürlicher Sprache (NLP), in der Computervision und in der Robotik eingesetzt wird.
  • Erfahren Sie mehr über KI-gestützte Empfehlungssysteme und prädiktive Analysen.
  • Verstehen Sie die ethischen Implikationen und Herausforderungen der KI-Implementierung.
Praktische KI-Modellentwicklung
  • Einfache KI-Modelle mit Python, TensorFlow und Keras erstellen.
  • Modelle für maschinelles Lernen und Deep Learning trainieren und bewerten.
  • KI-Konzepte auf reale Datensätze und Geschäftsprobleme anwenden.

Der Kurs konzentriert sich auf die praktische Anwendung von Machine Learning und künstlicher Intelligenz in verschiedenen Branchen.