Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Schulungsübersicht
1. Einführung in das AI Engineering
- Was ist AI Engineering?
- KI vs. Maschinelles Lernen vs. Deep Learning
- Lebenszyklus des AI Enginering
- Anwendungen von KI in verschiedenen Branchen
- Rollen und Verantwortlichkeiten eines KI-Ingenieurs
2. Grundlagen der Künstlichen Intelligenz
- Kernkonzepte und Terminologie der KI
- Überwachtes, unüberwachtes und bestärkendes Lernen
- Grundlagen von neuronalen Netzwerken und Deep Learning
- Übersicht über generative KI und Foundation Models
- KI-Entwicklungsökosysteme und Frameworks
3. Python für das AI Engineering
- Wichtige Python-Bibliotheken für die KI
- NumPy, Pandas und Matplotlib
- Datenmanipulation und Visualisierung
- Arbeiten mit Jupyter Notebooks
- Schreiben wiederverwendbaren KI-Codes
4. Datenvorbereitung für die KI
- Sammeln und Verstehen von Datensätzen
- Datenbereinigung und Vorverarbeitung
- Feature Engineering
- Feature-Scaling und Normalisierung
- Aufteilung der Datensätze in Trainings-, Validierungs- und Testdaten
- Umgang mit fehlenden Werten und Ausreißern
5. Grundlagen des Maschinellen Lernens
- Regressionsalgorithmen
- Klassifikationsalgorithmen
- Clustering-Techniken
- Ablauf des Modelltrainings
- Bewertungsmetriken für Modelle
- Verhindern von Überanpassung und Unteranpassung
6. Erstellen von KI-Modellen mit TensorFlow und PyTorch
- Einführung in TensorFlow
- Einführung in PyTorch
- Erstellen neuronaler Netzwerke
- Modelltraining und Validierung
- Speichern und Laden von Modellen
- Vergleich beider Frameworks
7. Grundlagen der Natürlichen Sprachverarbeitung (NLP)
- Textvorverarbeitung
- Word Embeddings
- Textklassifizierung
- Sentiment-Analyse
- Einführung in Transformer-Modelle
- Praktische NLP-Anwendungen
8. KI in der Softwareentwicklung
- Integration von KI in bestehende Anwendungen
- Aufruf von KI-Diensten über APIs
- Entwicklung KI-gestützter Anwendungen
- KI-unterstützte Softwareentwicklungstools
- Testen von KI-fähigen Anwendungen
9. Best Practices im AI Engineering
- Projektorganisation
- Versionierung mit Git
- Verfolgung von Experimenten
- Modellversionierung
- Dokumentationsstandards
- Reproduzierbarkeit in KI-Projekten
10. Bereitstellen von KI-Modellen
- Modellserialisierung
- Erstellen von Inferenzdiensten
- REST-APIs für KI-Modelle
- Einführung in Docker für die KI-Bereitstellung
- Überwachen bereitgestellter Modelle
- Wartung und Updates der Modelle
11. KI-Datenengineering
- Datenpipelines
- ETL-Prozesse
- Verwaltung strukturierter und unstrukturierter Daten
- Datenspeicheroptionen
- Datenqualitätsmanagement
- Vorbereitung produktionsreifer Datensätze
12. Verantwortungsvolle und ethische KI
- KI-Voreingenommenheit und Fairness
- Erklärbare KI (XAI)
- Datenschutz und Datensicherheit
- Sicherheitsaspekte der KI
- Verantwortungsvolle KI-Entwicklung
- Regulatorische und Governance-Aspekte
13. KI-Projektmanagement
- KI-Projektlebenszyklus
- Agile Methoden für KI-Projekte
- Zusammenarbeit zwischen technischen und geschäftlichen Teams
- Schätzung von KI-Projekten
- Risikomanagement
- Messung des Projekterfolgs
14. Praxisteil zum AI Engineering und Zukunftsaussichten
- Aufsetzen eines vollständigen KI-Entwicklungsworkflows
- Erstellen eines durchgängigen Machine-Learning-Projekts
- Trainieren und Bewerten eines Modells mit TensorFlow oder PyTorch
- Bereitstellen einer einfachen KI-Anwendung
- Aktuelle Trends im AI Engineering
- Generative KI und Large Language Models (LLMs)
- MLOps und KI-Automatisierung
- Karrierewege und kontinuierliches Lernen
- Zusammenfassung, Q&A und nächste Schritte
Voraussetzungen
- Grundlegendes Verständnis von Programmierkonzepten
- Erfahrung mit der Python-Programmierung
- Vertrautheit mit grundlegender Statistik und linearer Algebra
Zielgruppe
- KI-Ingenieure
- Softwareentwickler
- Datenanalysten
14 Stunden
Erfahrungsberichte (2)
Die umfangreiche Auswahl vorgestellter Tools
Miruna Buzduga - Aeronamic Eastern Europe
Kurs - AI Enablement Training for Engineers
Maschinelle Übersetzung
Schritt für Schritt Training mit vielen Übungen. Es war wie ein Workshop, und ich bin sehr froh darüber.
Ireneusz - Inter Cars S.A.
Kurs - Intelligent Applications Fundamentals
Maschinelle Übersetzung