Angewandte Künstliche Intelligenz

Posted on
Print Friendly, PDF & Email
Künstliche Intelligenz (KI) wird intensiv genutzt, um komplexe Probleme aus der Praxis zu lösen. Vom autonomen Fahren bis zur Bereitstellung virtueller Unterstützung wie Siri und Alexa wird der Einsatz Künstlicher Intelligenz in unserem täglichen Leben in den kommenden Jahren voraussichtlich vielfältiger werden. Der Aufstieg von Künstlicher Intelligenz (KI) und Maschinellem Lernen (ML) in Wirtschaft und Industrie ist unbestritten. Alles, von der Lieferkette und Lagerkontrolle bis hin zur Automatisierung von Fabriken nutzt entweder KI oder ML, wobei die Bereitstellung genauer und detaillierter Daten für die Steuerung dieser Algorithmen unerlässlich ist. Es ist daher von entscheidender Bedeutung, die breite Palette der innerhalb des Unternehmens gesammelten Daten vollständig nutzen zu können, um eine automatisierte Entscheidungsfindung zu ermöglichen.

Dieser Kurs vermittelt die Grundlagen der erforderlichen Fähigkeiten im Bereich KI. Sie lernen TensorFlow, Machine Learning und andere KI-Konzepte sowie die Programmiersprachen kennen, die für das Design intelligenter Agenten, Deep-Learning-Algorithmen und fortschrittlicher Künstlicher Neuronaler Netzwerke erforderlich sind.

Zielgruppe für das Seminar

Unser Programm ist speziell für Berufstätige konzipiert, die ihre aktuelle Position in der IT eines Unternehmens oder der Verwaltung um Kenntnisse der Künstlichen Intelligenz erweitern möchten.

Voraussetzungen für das Seminar

Dies ist ein fortgeschrittener Kurs, der ein Grundstudium der Linearen Algebra (Vektoren, Matrizen, Derivate), sowie Grundlagen der Statistik erfordert. Sie sollten mit Python oder einer anderen Programmiersprache vertraut sein.

Lernziele des Seminars

Am Ende dieses Kurses für Künstliche Intelligenz werden Sie in der Lage sein Folgendes zu erreichen:

  • Entwerfen und bauen Sie Ihre eigenen intelligenten Agenten und wenden Sie sie an, um praktische KI-Projekte wie Maschinelle Lernmodelle, Zufriedenheitsprobleme mit logischen Einschränkungen, Wissensbanksysteme, Entscheidungsfunktionen für Agenten und mehr zu erstellen.
  • Verstehen Sie die Konzepte von TensorFlow, seine Hauptfunktionen, Operationen und die Ausführungspipeline.
  • Verstehen und Beherrschen der Konzepte und Prinzipien des Maschinellen Lernens, einschließlich seiner mathematischen und heuristischen Aspekte.
  • Implementierung von Deep-Learning-Algorithmen in TensorFlow und Interpretation der Ergebnisse.
  • Erfahren Sie mehr über die wichtigsten Anwendungen der Künstlichen Intelligenz in verschiedenen Anwendungsfällen und in verschiedenen Bereichen wie Kundenservice, Finanzdienstleistungen, Gesundheitswesen etc.
  • Implementierung klassischer Techniken der Künstlichen Intelligenz, wie z.B. Suchalgorithmen, Minimax-Algorithmus, Neuronale Netze, Tracking, Roboterlokalisierung, etc.
  • Formalisierung eines bestimmten Problems in der Sprache verschiedener KI-Methoden (z.B. als Suchproblem, als Zufriedenstellungsproblem, als Planungsproblem, etc.)

Dauer des Seminars

  • Rahmen: 5 Tage mit 40 Stunden Präsenzschulung (täglich 8 Stunden, 9-17 Uhr)
  • Aufteilung Theorie/Praxis: 70% Vorlesung + 30 % Praxis, Übungen und Demos

Inhalte des Seminars

Angewandte Künstliche Intelligenz
pro Person in Köln, Berlin oder Frankfurt
2.800 Euro
(3.332,00 Euro inkl. 19% MwSt.)
Inhalte
  • Applied Machine Learning: Supervised Learning
    • Regression: Maximum Likelihood, Least Squares, Regularization
    • Bayesian Methods: Bayes Rule, MAP Inference, Active Learning
    • Foundational Classification Algorithms: Nearest Neighbors, Perceptron, Logistic Regression
    • Refinements to Classification: Kernel Methods, Gaussian Process
    • Intermediate Classification Algorithms: SVM, Trees, Forests and Boosting
    • Praxis-Übung
  • Applied Machine Learning: Unsupervised Learning
    • Clustering Methods – I: K-Means Clustering, E-M, Gaussian Mixtures
    • Recommendation Systems: Collaborative Filtering, Topic Modeling, PCA
    • Sequential Data Models: Markov and Hidden Markov Models, Kalman Filters
    • Association Analysis: Maximum
    • Clustering Methods – II: Model Comparisons, Analysis Considerations
    • Praxis-Übung
  • Angewandte Künstliche Intelligenz
    • Einführung in die Künstliche Intelligenz
    • Intelligent Agents and Uninformed Search
    • Heuristic Search
    • Adversarial Search and Games
    • Constraint Satisfaction Problems
    • Reinforcement Learning
    • Logical Agents
    • AI applications: Natural Language Processing
    • Praxis-Übung
Voraussetzungen
  • Kenntnisse über grundlegende Konzepte der Statistik, der linearen Algebra und der Wahrscheinlichkeitsrechnung
  • Kenntnisse der Programmiersprache Python oder einer anderen Programiersprache

Wenn Sie mit Python nicht vertraut sein sollten, empfehlen wir Ihnen vorab die Teilnahme an unserem Seminar → Grundlagen der Statistik mit Python.

Seminartyp und Dauer
  • offene 5-Tages-Schulung mit 2-16 Teilnehmer
  • Unterricht 9-17 Uhr mit angemessenen Pausen
  • 40 Stunden Präsenzschulung, d.h. 8 Stunden täglich
  • 70% Vorlesung + 30 % Praxis, Übungen und Demos