Beschreibung
Teil 1: Grundlagen der KI-Programmierung
– Grundlagen von Machine Learning und Deep Learning
– Überblick über den Software-Stack für einen reibungslosen Start mit Data Science und KI
– Einführung in die Python-Entwicklung für KI-Anwendungen
– Python-Pakete Pandas, NumPy, scikit-learn
– Data Engineering: Aufbereitung von Daten aus bestehenden Dateninfrastrukturen für Analysen und KI-Anwendungen
Teil 2: Angewandte KI-Programmierung
– Einführung in die gängigsten Machine-Learning-Modelle
– Möglichkeiten zur Bewertung des Outputs eines Vorhersagemodells
– Zusammenhang zwischen Bayessche Statistik, Overfitting und Regularisierung
– Funktionsweise von neuronalen Netzen
– Backpropagation
– Einsatz von Convolutional Neural Networks (CNNs) bei der Bilderkennung
– Funktionsweise von Recurrent Neural Networks (RNNs)
– Python-Pakete PyTorch, TensorFlow, Keras
– Training von KI-Modellen für eigene Anwendungen
