KI-Grundlagen und datenwissenschaftliche Konzepte
  • Grundlagen von KI, maschinellem Lernen und künstlicher Intelligenz
  • Rolle der KI in modernen datenwissenschaftlichen und geschäftlichen Anwendungen
  • Überblick über überwachtes und unüberwachtes Lernen in der Datenwissenschaft
  • Lebenszyklus eines datenwissenschaftlichen und KI-Projekts in Weiterbildungsprogrammen
Python-Programmierung und Unix-Grundlagen
  • Python-Programmierung für KI- und datenwissenschaftliche Aufgaben
  • Verwendung der Unix-Shell für datenwissenschaftliche Arbeitsabläufe
  • Git und GitHub für die kollaborative KI-Entwicklung
  • Weiterbildung zu Programmierpraktiken für Projekte im Bereich Künstliche Intelligenz
Explorative Datenanalyse für KI
  • Verwendung von Pandas und NumPy für Data Wrangling in KI-Modellen
  • SQL-Abfragen für Datenextraktion und datenwissenschaftliche Analyse
  • Datenvisualisierung für die Entscheidungsfindung im Bereich Künstliche Intelligenz
  • Weiterbildung in Datenethik und EDA-Techniken
Überwachtes maschinelles Lernen in der Künstlichen Intelligenz
  • Klassifizierung und Regression für KI und Datenwissenschaft
  • Modellbewertung für datenwissenschaftliche Anwendungen
  • Optimierungstechniken in Algorithmen der Künstlichen Intelligenz
  • Weiterbildungsprojekte mit überwachten KI-Modellen
Deep Learning und neuronale Netze
  • Künstliche neuronale Netze und ihre Rolle in der KI
  • Verwendung von TensorFlow und Keras in der Datenwissenschaft Weiterbildung
  • Transferlernen und CNNs in der künstlichen Intelligenz
  • NLP für KI-Anwendungen in der Datenwissenschaft
Capstone-Projekt und agile KI-Methoden
  • Capstone-Projekte in KI und Weiterbildung in Datenwissenschaft
  • Agile Praktiken für die Entwicklung künstlicher Intelligenz
  • Verwaltung von KI-Projekten mit datenwissenschaftlichen Methoden
  • Teambasierte KI-Lösungen mit realen Datenherausforderungen

Die Weiterbildung umfasst praxisnahe Übungen in Python-Programmierung für KI und den Einsatz von TensorFlow und Keras.