- Einordnung von AI Engineering im Machine Learning und Data Science Kontext
- Verständnis von Künstliche Intelligenz, automatisierten Entscheidungen und neuronalen Netzen
- Anwendungsgebiete von KI in Wirtschaft, Industrie und Alltagsprozessen
- Abgrenzung von KI, AI und klassischen Programmiermodellen
Python & Softwareentwicklung für AI
- Entwicklung von robustem Python-Code für Data Science und KI-Projekte
- Einsatz von Git, GitHub und Objektorientierung zur strukturierten Entwicklung
- Einführung in Unix-Kommandozeile und effizientes Arbeiten mit Daten
- Deployment von KI-Anwendungen mit Docker und Cloud-Technologien
Explorative Datenanalyse (EDA) für AI Intelligence
- Datenaufbereitung und -transformation mit Pandas für AI-Workflows
- Visualisierung von Zusammenhängen und Mustern mit Seaborn & Matplotlib
- SQL-Abfragen zur effizienten Analyse strukturierter Datenquellen
- EDA-Projekt zur Erkenntnisgewinnung aus realen Geschäftsdaten
Maschinelles Lernen & Modelltraining
- Supervised Learning: Regression, Klassifikation, Entscheidungsbäume, SVM
- Modelle bewerten mit Accuracy, Precision, Recall, F1-Score
- Ensemble-Lösungen mit Random Forest und Gradient Boosting
- AI-Training mit Scikit-Learn auf echten Business-Cases
Deep Learning & Generative AI
- Einführung in neuronale Netze, CNNs und Backpropagation
- Anwendungen im Bereich Bild-, Text- und Sprachverarbeitung
- Grundlagen von Prompt Engineering und Generative AI
- NLP-Techniken und Überblick über RAG & Transformer-basierte Systeme
Statistik für AI und Künstliche Intelligenz
- Grundlagen der Inferenzstatistik für Data Science und AI
- Wahrscheinlichkeiten, Verteilungen und Konfidenzintervalle
- Testen von Hypothesen zur Evaluierung von KI-Ergebnissen
- Statistische Interpretation für AI-Projektentscheidungen
Moderne Machine Learning Konzepte & AI Engineering Praxis
- End-to-End Deployment von AI-Modellen
- Modellüberwachung, Drift-Erkennung und CI/CD Pipelines
- Monitoring-Tools wie Prometheus, Grafana und automatisiertes Retraining
- AI Engineering-Projekt zur Umsetzung einer produktionsreifen KI-Lösung
Der Kurs "AI Intelligence: Artificial Intelligence Practitioner" umfasst AI Engineering, Python-Entwicklung und moderne Machine Learning Konzepte.