Kontakt aufnehmen
 Dauer 35 Stunden

Schulungsübersicht

Übersicht über KI in Python

  • Wesentliche Konzepte und der Umfang der KI
  • Python-Bibliotheken für die KI-Entwicklung
  • Projektstruktur und Arbeitsablauf für KI-Projekte

Datenvorbereitung für KI

  • Data Cleaning, Transformation und Feature Engineering
  • Bearbeitung fehlender und unbalancierter Daten
  • Feature-Scalierung und Kodierung

Methoden des überwachten Lernens

  • Algorithmen für Regression und Klassifizierung
  • Ensemble-Methoden: Random Forest, Gradient Boosting
  • Hyperparameter-Tuning und Kreuzvalidierung

Methoden des unüberwachten Lernens

  • Klusterungsverfahren: K-Means, DBSCAN, hierarchische Clustering
  • Dimensionsreduktion: PCA, t-SNE
  • Anwendungsfälle des unüberwachten Lernens

Neuronale Netze und Deep Learning

  • Einführung in TensorFlow und Keras
  • Aufbau und Training von Feedforward-Neuralen Netzen
  • Optimierung der Leistung neuronaler Netze

Verstärkendes Lernen (Einführung)

  • Kernkonzepte von Agenten, Umgebungen und Belohnungen
  • Implementierung grundlegender Algorithmen des verstärkenden Lernens
  • Anwendungen des verstärkenden Lernens

Einsatz von KI-Modellen

  • Speichern und Laden trainierter Modelle
  • Integration von Modellen in Anwendungen über APIs
  • Überwachung und Wartung von KI-Systemen im Produktivbetrieb

Zusammenfassung und nächste Schritte

Voraussetzungen

  • Solides Verständnis der Grundlagen der Python-Programmierung
  • Erfahrung mit Datenanalyse-Bibliotheken wie NumPy und pandas
  • Grundkenntnisse in Machine-Learning-Konzepten und Algorithmen

Zielgruppe

  • Softwareentwickler, die ihre Fähigkeiten in der KI-Entwicklung erweitern möchten
  • Datenanalysten, die KI-Techniken auf komplexe Datensätze anwenden wollen
  • F&E-Fachkräfte, die KI-gestützte Anwendungen entwickeln

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Erfahrungsberichte (2)

Kommende Kurse

Verwandte Kategorien