Teilnehmende erarbeiten sich zentrale Techniken zur Gestaltung leistungsfähiger KI-Anwendungen in Wirtschaft und Wissenschaft, um fundierte Konzepte zur Datenanalyse, Modellbewertung und Systemintegration für skalierbare Lösungen auf Basis von Künstlicher Intelligenz zu entwickeln.

Statistische Verfahren und Modelloptimierung

Ein Schwerpunkt liegt auf der Anwendung statistischer Verfahren zur Optimierung von Modellen.

  • Durch explorative Datenanalysen werden Muster in großen Datensätzen identifiziert.
  • Mit statistischen Methoden wird gezielt die Modellgüte bewertet und angepasst, was ein wesentlicher Bestandteil von Projekten in der Künstlichen Intelligenz ist.

Datenverarbeitung mit SQL

SQL unterstützt die strukturierte Verarbeitung umfangreicher Trainingsdaten.

  • Mit leistungsstarken Abfragen, Aggregationen und Joins lassen sich komplexe Datenquellen gezielt analysieren.
  • Daten werden für neuronale Netzwerke und maschinelle Lernmodelle in der Künstlichen Intelligenz effizient aufbereitet.

Ergebnisdarstellung mit Power BI

Zur Darstellung analytischer Ergebnisse dient Power BI.

  • Interaktive Dashboards und DAX-Funktionen bieten einen transparenten Einblick in Modellmetriken und Visualisierungen von Vorhersagen.
  • Datenbasierte Entscheidungen können fundiert getroffen werden, sowohl in Unternehmens- als auch Forschungskontexten.

Automatisierte Datenpipelines

Automatisierte Datenpipelines tragen zu einer skalierbaren Integration von KI-Technologien bei.

  • Die Entwicklung strukturierter Workflows ermöglicht eine reproduzierbare Datenbereitstellung.
  • Die Einbindung von KI-Modellen in bestehende Systeme wird nachhaltig verbessert.

Praktischer Einsatz neuronaler Netzwerke

Den Abschluss bildet der praktische Einsatz neuronaler Netzwerke, um Künstliche Intelligenz effektiv und anwendungsbezogen einzusetzen.

  • Teilnehmende trainieren Convolutional und Recurrent Neural Networks.
  • Transfer Learning wird eingesetzt.
  • Modelle werden durch gezieltes Hyperparameter-Tuning justiert.