AI+ Engineer™

Preis
Netto: 1.985,00 €
MwSt.: 377,15 €

Dauer
5 Tage

Unternehmen und Arbeitsuchende:
dieser Kurs ist zu 100 % förderbar!

Standort

Kurssprache
englisch

Trainingslösung
WalkIn^®

Weitere Infos anfragen als Favorit speichern Als PDF drucken/speichern

Technologie entwickelt sich rasant – und Künstliche Intelligenz steht dabei im Mittelpunkt. Dieses Training zeigt, wie technisches Know-how und kreative Innovation zusammenwirken, um intelligente Systeme zu schaffen, die Prozesse smarter und Unternehmen zukunftsfähig machen.

Schwerpunkte:

Entwicklung leistungsstarker KI-Modelle und Anwendungen.
Nutzung von TensorFlow, Hugging Face und Jenkins für effiziente Automatisierung.
Deep Learning, NLP und generative KI gezielt einsetzen.
Aufbau skalierbarer KI-Infrastrukturen mit Fokus auf Performance.
Integration intelligenter Lösungen in bestehende IT-Systeme.
Gestaltung intuitiver Interfaces und User Experiences.
Verständliche Vermittlung komplexer technischer Ergebnisse.

Perfekt für alle, die KI nicht nur verstehen, sondern aktiv gestalten wollen – technisch fundiert, kreativ umgesetzt und auf die Zukunft der digitalen Welt ausgerichtet.

Als PDF drucken/speichern

Kursinhalte

Grundlagen der künstlichen Intelligenz

Einführung in die KI
Kernkonzepte und Techniken der KI
Ethische Überlegungen

Einführung in die KI-Architektur

Überblick über KI und ihre verschiedenen Anwendungsbereiche
Einführung in die KI-Architektur
Den Entwicklungszyklus von KI verstehen
Praktische Übung: Einrichten einer grundlegenden KI-Umgebung

Grundlagen neuronaler Netze

Aktivierungsfunktionen und ihre Rolle
Backpropagation und Optimierungsalgorithmen
Praktische Übung: Aufbau eines einfachen neuronalen Netzes unter Verwendung eines Deep-Learning-Frameworks.

Anwendungen neuronaler Netze

Einführung in neuronale Netze in der Bildverarbeitung
Neuronale Netze für sequenzielle Daten
Praktische Umsetzung neuronaler Netze

Bedeutung großer Sprachmodelle (LLM)

Erforschung großer Sprachmodelle
Beliebte große Sprachmodelle
Praktische Feinabstimmung von Sprachmodellen
Praxisbeispiel: Praktische Feinabstimmung für die Textklassifizierung

Anwendung generativer KI

Einführung in generative gegnerische Netzwerke (GANs)
Anwendungen variationaler Autoencoder (VAEs)
Erzeugung realistischer Daten mithilfe generativer Modelle
Praktische Übung: Implementierung generativer Modelle für die Bildsynthese

Natürliche Sprachverarbeitung

NLP in realen Szenarien
Aufmerksamkeitsmechanismen und praktische Anwendung von Transformatoren
Vertiefendes Verständnis von BERT für praktische NLP-Aufgaben
Praktische Übung: Aufbau praktischer NLP-Pipelines mit vortrainierten Modellen.

Transferlernen mit Hugging Face

Überblick über Transferlernen in der KI
Strategien und Techniken des Transferlernens
Praktische Übung: Implementierung von Transferlernen mit Hugging Face-Modellen für verschiedene Aufgaben.

Entwicklung anspruchsvoller GUIs für KI-Lösungen