Nach Abschluss dieser Weiterbildung sind Sie in der Lage, KI-Entwicklung in der Gebäudeautomation durchzuführen und haben zusätzlich eine Qualifikation in Prompt Engineering und Data Science erlangt. Sie entwickeln Anwendungen mit AI-Technologien, nutzen GitHub/GitLab für Versionskontrolle und beherrschen Python für die Programmierung. Darüber hinaus können Sie Daten analysieren und auswerten, um Entscheidungen in der Gebäudeautomation zu treffen. Diese Weiterbildung eröffnet Ihnen Tätigkeitsfelder im Bereich der KI-Entwicklung und Datenanalyse für Gebäudeautomationssysteme.

KI-Entwicklung und Modelle
  • Einführung in AI Development und KI-Grundlagen
  • Training und Optimierung von KI-Modellen (z. B. Chatbots)
  • Evaluation und kontinuierliche Verbesserung von Modellen
  • Einführung in Machine Learning
  • Neuronale Netze und KI
  • Einführung in Neuronale Netze

NLP und Sprachverarbeitung
  • Sprachverarbeitung und NLP-Grundlagen
  • Fortgeschrittene Techniken der Sprach- und Dialogverarbeitung
  • KI-gestützte Text- und Code-Generierung

Prompt Engineering
  • Effektive Prompts erstellen
  • Adaptive Prompt-Optimierung
  • Zero-Shot, One-Shot, Few-Shot Learning
  • Interaktive & iterative Prompts
  • Kombination von Prompting-Techniken

Python und Algorithmen
  • Einführung: Algorithmen und Python-Grundlagen
  • Variablen und Zuweisungen
  • Kontrollstrukturen: if, else, elif
  • Schleifen: for und while
  • Funktionen definieren und aufrufen
  • Fehlerbehandlung mit try und except
  • Module importieren und nutzen

Agile Methoden und Projektmanagement
  • Einführung in Scrum
  • Scrum Master
  • Product Owner
  • Sprint Planning
  • Daily Scrum
  • Sprint Review
  • Product Backlog and the Product Goal

Versionsverwaltung und Qualitätsmanagement
  • Versionsverwaltung
  • Continuous Integration und Continuous Delivery
  • Agiles Arbeiten mit Git
  • Operationen der Versionsverwaltung
  • Software Testing und Qualitätssicherung

Datenanalyse und Visualisierung
  • Einführung in Pandas und Dataframes
  • Datenreinigung
  • Datenvisualisierung
  • Einführung in Unsupervised Machine Learning
  • K-Means Clustering