Teilnehmende erwerben Kenntnisse im Einsatz moderner Verfahren und Tools zur Entwicklung und Optimierung neuronaler Netzwerke für vielseitige KI-Anwendungen.

Datenvorbereitung mit SQL
  • Effiziente Verarbeitung großer Datensätze für Deep Learning.
  • Nutzung optimierter Abfragen, Joins und Aggregationen.
  • Vorbereitung strukturierter Daten für das Modelltraining.
  • Steigerung der Performance neuronaler Netze durch gezielte Datenaufbereitung.

Visualisierung und Entscheidungsunterstützung
  • Visualisierung komplexer Deep Learning-Modelle mittels Power BI.
  • Erstellung interaktiver Dashboards und Anwendung von DAX-Funktionen.
  • Verständliche Präsentation von Trainingsmetriken, Modellbewertungen und Vorhersagen.
  • Effektive Unterstützung datengetriebener Entscheidungen.

Automatisierung von KI-Workflows
  • Automatisierung von Workflows für KI-gestützte Deep Learning-Systeme mittels Datenpipelines.
  • Sicherstellung konsistenter Datenqualität durch strukturierte Abläufe zur Datenharmonisierung und -transformation.
  • Beschleunigung der Skalierung neuronaler Architekturen.

Explorative Datenanalyse
  • Identifikation relevanter Features für Deep Learning-Modelle.
  • Gezielte Selektion von Merkmalen mittels statistischer Verfahren.
  • Verbesserung der Modellgenauigkeit.
  • Datenbasierte Optimierung neuronaler Netzwerke.

Deep Learning Techniken und Optimierung
  • Anwendung moderner Deep Learning-Techniken zur Steigerung der Effizienz intelligenter Systeme.
  • Verfeinerung von Modellarchitekturen.
  • Erreichung maximaler Leistungsfähigkeit von KI-Lösungen durch Hyperparameter-Tuning.