AI Bootcamp:von Data Engineering über Machine- bis Deep Learning
Durchgeführt von Technikum Wien
Beschreibung
In diesem 3-tägigen Seminar erlernst du praxisnahe Fähigkeiten in Data Engineering, Machine Learning und Deep Learning. Der Kurs behandelt technische Aspekte und praktische Anwendungen, angefangen bei der Datenaufbereitung bis hin zur Implementierung von Machine-Learning-Algorithmen und dem Training von Deep-Learning-Modellen. Du wirst mit Python und verschiedenen Tools arbeiten, um reale Datenprobleme zu lösen und neuronale Netzwerke sowie generative KI-Modelle anzuwenden. Der Schwerpunkt liegt auf praktischen Übungen, die dir helfen, das Gelernte direkt umzusetzen. Grundkenntnisse in Python sind erforderlich, um die Inhalte effizient zu erfassen und anzuwenden.
Tags
#Praktische-Übungen #Künstliche-Intelligenz #Datenanalyse #Python #Machine-Learning #Deep-Learning #Datenaufbereitung #Neuronale-Netze #Data-Engineering #AI-ModelleTermine
Kurs Details
Data Scientists Business Analysten Softwareentwickler Wirtschaftsinformatiker IT-Fachleute Projektmanager im IT-Bereich alle, die ihre Kenntnisse in Künstlicher Intelligenz vertiefen möchten
Das Seminar behandelt die Kernbereiche des maschinellen Lernens und der künstlichen Intelligenz, insbesondere Data Engineering, Machine Learning und Deep Learning. Data Engineering befasst sich mit der effizienten Verarbeitung und Aufbereitung von Daten, während Machine Learning Algorithmen umfasst, die Muster in Daten erkennen. Deep Learning vertieft das Verständnis neuronaler Netzwerke und deren Anwendung in komplexen Problemstellungen. Ziel ist es, den Teilnehmer:innen die nötigen Fähigkeiten zu vermitteln, um AI-Projekte erfolgreich zu realisieren.
- Was sind die Hauptunterschiede zwischen Data Science, Data Engineering und Machine Learning?
- Erkläre den Prozess der Datenaufbereitung und nenne einige gängige Techniken.
- Was ist Overfitting und wie kann es vermieden werden?
- Beschreibe die Funktionsweise von neuronalen Netzen.
- Was sind die Vor- und Nachteile von K-Nearest Neighbors?
- Wie funktioniert Hyperparameter-Tuning und warum ist es wichtig?
- Nenne die Hauptmerkmale von Convolutional Neural Networks.
- Was sind generative Modelle und nenne ein Beispiel.
