Inhalt
1. Modul: Grundbegriffe KI und maschinellem Lernen
- Abgrenzung starke/schwache KI (KI-Modelle)
- Bedeutung von Daten
- Definition von Maschinellem Lernen
- Ablauf von Trainingsprozessen
- Bespielanwendungen
- Praxisprojekt
2. Modul: Umgang mit Daten
- Grundidee relationaler Datenbanken
- Algorithmen
- Datensicherheit
3. Modul: Datenanalyse und Maschinelles Lernen
- Grundlagen deskriptiver Statistik
- einfache Lernverfahren: lineare Regression, Entscheidungsbäume etc.
- Trainieren und Testen
- Aufbau und Bedeutung neuronaler Netze
4. Modul: Chancen, Herausforderungen und ethische Fragen
- Bedeutung repräsentativer Trainingsdaten
- Datenschutz
- Grenzen der Interpretation
- Bedeutung von Maschinellem lernen im Unternehmenskontext
- Verbrauchersicht
Ablauf
Theoretische Inputs, Praktische Übungen, Fallstudien, Interaktive Diskussionen und Erfahrungsaustausch. Diese Mischung aus theoretischem Wissen, praktischen Übungen und realen Anwendungsszenarien sorgt dafür, dass die Teilnehmer sowohl die technischen als auch die praktischen Aspekte der Künstlichen Intelligenz und des Maschinellen Lernens sicher beherrschen.
Lernmaterialien
inkl. Lernmittel