Künstliche Intelligenz: Künstliche Intelligenz in Python und Datenwissenschaft
Dieser Kurs untersucht die Schnittstelle zwischen künstlicher Intelligenz (KI) und Datenwissenschaft unter Verwendung von Python. Die Teilnehmer entwickeln grundlegende KI-Fähigkeiten und lernen, wie man maschinelle Lernmodelle entwirft, implementiert und bewertet. Mit Schwerpunkt auf der Verwendung von Python-Bibliotheken wie TensorFlow, scikit-learn und PyTorch sammeln die Lernenden praktische Erfahrungen bei der Erstellung von KI-Lösungen für reale datenwissenschaftliche Probleme, einschließlich Datenbereinigung, Modelltraining und Bereitstellung.

Einführung in Datenwissenschaft und KI
  • Grundlegende Konzepte der Datenwissenschaft und KI verstehen, einschließlich Datenaufbereitung und explorative Datenanalyse (EDA).
  • Python-Tools für datenwissenschaftliche Aufgaben erlernen, einschließlich NumPy, Pandas und Matplotlib.
  • Entdecken, wie sich Datenwissenschaft und KI integrieren lassen, um die Modellentwicklung und -bereitstellung voranzutreiben.
KI- und maschinelle Lernalgorithmen
  • KI-Kernalgorithmen für überwachtes und unüberwachtes Lernen erforschen.
  • Die Verwendung von Entscheidungsbäumen, Zufallswäldern und k-means-Clustering für die Modellbildung beherrschen.
  • Lernen Sie, Regressions- und Klassifizierungsmodelle mithilfe von Machine-Learning-Frameworks wie scikit-learn anzuwenden.
Deep Learning mit Python
  • Verstehen Sie die Grundlagen neuronaler Netze und Deep-Learning-Techniken.
  • Arbeiten Sie mit Deep-Learning-Frameworks wie TensorFlow und Keras, um Modelle zu erstellen und zu trainieren.
  • Sammeln Sie Erfahrung in der Implementierung von Convolutional Neural Networks (CNN) und Recurrent Neural Networks (RNN).
Feature Engineering und Modelltraining
  • Meistern Sie Techniken zur Auswahl und Transformation von Features, um die Modellleistung zu verbessern.
  • Trainieren Sie maschinelle Lernmodelle mit überwachten und unüberwachten Lernmethoden.
  • Validieren und bewerten Sie Modelle mithilfe von Kreuzvalidierung und Leistungsmetriken wie Genauigkeit und F1-Score.
Data Science Pipelines und Cloud-Integration
  • Lernen Sie, wie Sie skalierbare Datenpipelines für große Datensätze erstellen.
  • Erkunden Sie Cloud-Computing-Lösungen, um KI- und maschinelle Lernmodelle in großem Maßstab einzusetzen.
  • Implementieren Sie ETL-Prozesse (Extract, Transform, Load), um die Datenverarbeitung und die Verarbeitungsabläufe zu automatisieren.
Künstliche Intelligenz in der Datenverarbeitung
  • Erkunden Sie die Rolle von KI bei der Automatisierung von Aufgaben zur Datenvorverarbeitung, -bereinigung und -transformation.
  • Erfahren Sie, wie KI-Modelle datenwissenschaftliche Arbeitsabläufe für eine bessere Leistung optimieren können.
  • Entdecken Sie reale Anwendungen, bei denen KI die Datenverarbeitung verbessert, wie z. B. bei der Verarbeitung natürlicher Sprache und der Bilderkennung.

Der Kurs bietet Einblicke in die Integration von Künstlicher Intelligenz und Datenwissenschaft zur Verbesserung der Modellentwicklung mit Python.