AI Engineering

Ziele der Weiterbildung

Im Fokus der Weiterbildung AI Engineering steht die Vermittlung von Kenntnissen und Fähigkeiten im Bereich der künstlichen Intelligenz. Die Inhalte umfassen Deep Learning, das sich mit der Entwicklung und Anwendung neuronaler Netze beschäftigt, sowie Reinforcement Learning, das auf die Optimierung von Entscheidungsprozessen abzielt. Software Engineering für datenintensive Wissenschaften wird ebenfalls behandelt, um die Entwicklung robuster und skalierbarer Softwarelösungen zu unterstützen. Zudem werden Grundlagen und fortgeschrittene Techniken des Machine Learning vermittelt, um Datenmuster zu erkennen und Vorhersagen zu treffen.

Anwendungsbereiche der Weiterbildung

Die erworbenen Kenntnisse sind in verschiedenen Bereichen mittels Artificial Intelligence (Künstliche Intelligenz) anwendbar, beispielsweise in der Softwareentwicklung zur Implementierung intelligenter Systeme, in der Datenanalyse zur Mustererkennung und in der Forschung zur Entwicklung neuer KI-Modelle. Die Weiterbildung ist so konzipiert, dass sie sowohl für Personen mit Erfahrung als AI Engineer als auch für Neueinsteigende verständlich aufgebaut ist.

Inhalte der Weiterbildung

• Introduction to neural networks and deep learning
• Network architectures
• Neural network training
• Alternative training methods
• Further network architectures

• Introduction to reinforcement learning
• Markov chains
• Bandit
• Q-Learning
• Reinforcement learning approaches

• Agile project management
• DevOps
• Software development
• API
• From model to production

• Supervised, unsupervised, and reinforcement learning approaches
• Regression and classification learning problems
• Estimation of functional dependencies via regression techniques
• Data clustering
• Support vector machines, large margin classification
• Decision tree learning