Lehrgang: Einführung in KI – Machine Learning & Deep Learning – 4 Wochen (Modul 3-4)

Tauchen Sie in die faszinierende Welt der Künstlichen Intelligenz ein! In diesem 4-wöchigen Lehrgang lernen Sie die Grundlagen von Machine Learning (ML) und Deep Learning (DL) kennen und erfahren, wie moderne Algorithmen entwickelt und angewendet werden.

Kursinhalte im Überblick:

• Machine Learning (ML):
  - Einführung in Machine Learning-Konzepte und Algorithmen
  - Supervised und Unsupervised Learning
  - Arbeiten mit Datensätzen: Bereinigung und Aufbereitung
  - Klassifikations- und Regressionsmodelle

• Deep Learning (DL):
  - Einführung in neuronale Netze
  - Aufbau und Training von Deep-Learning-Modellen
  - Einsatz von Frameworks wie TensorFlow oder PyTorch
  - Bild- und Textverarbeitung mit KI

• Praxisprojekte:
  - Anwendung der erlernten Konzepte in praxisnahen Projekten
  - Entwicklung und Optimierung eigener Machine Learning und Deep Learning-Modelle

Organisatorische Details:

• Dauer: 4 Wochen
• Umfang: 40 Unterrichtseinheiten (UE à 50 Minuten)
• Kosten: EUR 2.750,- (umsatzsteuerbefreit gemäß § 6 Abs. 1 Z11A UStG)
• Voraussetzung: Grundkenntnisse in Python und grundlegendes Verständnis von Datenverarbeitung

Für wen ist der Kurs geeignet?

Dieser Lehrgang richtet sich an Teilnehmer*innen, die bereits über Grundkenntnisse in Python verfügen und sich im Bereich Künstliche Intelligenz weiterbilden möchten. Der Kurs ist ideal für Einsteiger*innen in Machine Learning und Deep Learning, die ihre Python-Kenntnisse gezielt für praktische Anwendungen einsetzen möchten.

Warum diesen Kurs wählen?

• Praxisorientiert: Arbeiten Sie an echten Projekten und wenden Sie Ihr Wissen direkt an.
• Kompakt und effektiv: Innerhalb von 4 Wochen erlangen Sie fundierte Kenntnisse in Machine Learning und Deep Learning.
• Technologie der Zukunft: Lernen Sie Fähigkeiten, die in der datengetriebenen Welt von morgen unverzichtbar sind.

Starten Sie Ihre Reise in die Welt der Künstlichen Intelligenz und legen Sie den Grundstein für spannende Karrieremöglichkeiten!

In diesem intensiven 4-Wochen-Lehrgang wirst du deine Fähigkeiten in künstlicher Intelligenz auf das nächste Level bringen. Modul 3 konzentriert sich auf fortgeschrittene Techniken des Machine Learnings, darunter komplexe Algorithmen und Modelloptimierung. Du lernst, wie du größere und komplexere Datensätze effizient verarbeitest und fortgeschrittene Modellierungsstrategien anwendest.

Modul 4 führt dich tief in das Deep Learning ein, wo du neuronale Netze von Grund auf aufbaust, trainierst und optimierst. Du wirst praxisnah erfahren, wie Convolutional Neural Networks (CNNs) und Artificial Neural Networks (ANNs) funktionieren und wie sie in realen Projekten eingesetzt werden können. Der Fokus liegt auf dem Verständnis der Architektur von ANN-Modellen und deren Anwendung in verschiedenen Szenarien, wie Bild- und Sprachverarbeitung. Dieser Lehrgang ist ideal für alle, die bereits ein Grundverständnis von Machine Learning haben und nun tiefere Einblicke in die Welt der künstlichen Intelligenz gewinnen möchten.

Modul 3: Machine Learning – Supervised und Unsupervised learning (Woche 1-2)

Lektion 1: Einführung in Überwachtes Lernen

• Grundkonzepte des überwachten Lernens
• Trainings- und Testdatensätze

Lektion 2: Regression

• Lineare Regression: Modellaufbau, Training und Evaluierung
• Multiple Regression: Umgang mit mehreren Variablen
• Regularisierungstechniken: Ridge und Lasso Regression

Lektion 3: Klassifikation

• Grundlagen der Klassifikation: Entscheidungsbäume, k-Nächste Nachbarn (k-NN)
• Support Vector Machines (SVM) und Naive Bayes
• Evaluierung von Klassifikationsmodellen: Genauigkeit, Präzision, Recall, F1-Score

Lektion 4: Einführung in Unüberwachtes Lernen

• Grundkonzepte des unüberwachten Lernens
• Unterschied zwischen überwachten und unüberwachten Lernmethoden

Lektion 5: Clustering

• K-Means Clustering: Funktionsweise, Auswahl der Anzahl der Cluster
• Hierarchisches Clustering: Agglomerative und Divisive Methoden
• Evaluierung von Clustering-Ergebnissen

Lektion 6: Dimensionsreduktion

• Principal Component Analysis (PCA): Theorie und Anwendung

Lektion 7: Abschlussprojekt

• Vollständige Analyse eines Datensatzes unter Verwendung von sowohl überwachten als auch unüberwachten Lernmethoden
• Erstellung eines umfassenden Berichts mit den Ergebnissen und Visualisierungen

Modul 4: Deep Learning Basics (Woche 3-4)

Lektion 8: Einführung in Deep Learning

• Was ist Deep Learning und wie unterscheidet es sich von traditionellem Machine Learning?
• Überblick über neuronale Netzwerke

Lektion 9: Künstliche Neuronale Netzwerke (ANNs)

• Aufbau und Funktionsweise von ANNs
• Aktivierungsfunktionen: Sigmoid, ReLU, Tanh
• Forward Propagation und Backpropagation
• Optimierungsverfahren: Gradient Descent und Varianten

Lektion 10: Implementierung eines einfachen neuronalen Netzwerks

• Aufbau und Training eines Feedforward Neural Networks
• Verwendung von Frameworks wie TensorFlow oder PyTorch

Lektion 11: Convolutional Neural Networks (CNNs)

• Grundlagen und Architektur von CNNs
• Convolutional Layers, Pooling Layers, und Fully Connected Layers
• Anwendungsgebiete: Bildklassifikation und Objekterkennung

Lektion 12: Recurrent Neural Networks (RNNs)

• Einführung in RNNs und deren Struktur
• Long Short-Term Memory (LSTM) und Gated Recurrent Units (GRUs)
• Anwendungsgebiete: Zeitreihenanalyse und natürliche Sprachverarbeitung

Praktische Übung:

• Implementierung und Training eines CNNs für die Bildklassifikation

Abschlussprojekt

• Anwendung der gelernten Konzepte auf ein komplexes Problem
• Erstellung und Evaluierung eines Deep-Learning-Modells für ein ausgewähltes Projekt

• Grundkenntnisse in Python
• Erfahrung mit Pandas und NumPy
• Basiswissen in Statistik und Machine Learning

Dieser Lehrgang: Einführung in KI - Machine Learning & Deep Learning - 4 Wochen (Modul 3-4) dauert in Summe 4 Wochen im Ausmaß von 40UE (UE = Unterrichtseinheit à 50min.)

Kurszeitenvorschlag*

• Montag: 09:00 - 12:30 Uhr
• Mittwoch: 09:00 - 12:30 Uhr
• Freitag: 09:00 - 12:00 Uhr

*Die finalen Kurszeiten werden in der Gruppe gemeinsam mit dem Trainingspersonal abgestimmt, um individuelle Bedürfnisse zu berücksichtigen. Dabei achten wir darauf, die Kriterien der Förderstellen einzuhalten.

Selbstlernzeiten im Institut
Nutzen Sie unsere Selbstlernzeiten, um das Gelernte eigenständig zu vertiefen und anzuwenden. Während dieser Zeiten stehen Ihnen unsere PCs und Softwarelizenzen kostenlos zur Verfügung.

Wichtige Hinweise zu den Selbstlernzeiten:

• Notieren Sie offene Fragen, die beim nächsten Kurstermin gemeinsam geklärt werden können.
• Die Selbstlernzeiten bieten Ihnen die Möglichkeit, das frisch Erlernte zu festigen und sich gezielt auf die nächsten Kursinhalte vorzubereiten.

Warum Selbstlernzeiten nutzen?

• Vertiefen Sie Ihre Kenntnisse durch praktische Anwendung.
• Wiederholen Sie Inhalte, um sicherzustellen, dass Sie diese beherrschen.
• Nutzen Sie die hochwertige Ausstattung mit PCs und Original-Software, um professionell zu arbeiten.

Die Erfahrung zeigt: Durch Übung und regelmäßige Wiederholung festigen sich neue Inhalte nachhaltig und tragen entscheidend zu Ihrem Lernerfolg bei.