Deep Learning verstehen – und praktisch umsetzen

Du willst nicht nur über KI sprechen, sondern eigene Machine-Learning-Systeme entwickeln, trainieren und einsetzen? In diesem Hochschulkurs lernst du, wie du intelligente Anwendungen mit Deep Learning und Machine Learning selbst konzipierst und programmierst – technisch fundiert, praxisnah und zukunftsorientiert.

Du baust Fachwissen auf, mit dem du datenbasierte Systeme entwickelst, KI-Projekte leitest oder smarte Services strategisch integrierst. Dabei arbeitest du mit Lernalgorithmen für viele Einsatzfelder. Dein Know-how macht dich zum/r gefragten Expert/in für datengetriebene Lösungen.

Besonders spannend ist der Kurs für alle, die im industriellen, wirtschaftlichen oder forschenden Umfeld Systeme des maschinellen Lernens und Deep Learnings entwickeln, einsetzen oder weiterdenken wollen – von Data-Science-Anwendungen über neuronale Netze und Large-Scale-Lösungen bis hin zu Generative AI und ChatBots.

Wichtig: Du bringst fundierte Programmier- und Mathematikkenntnisse mit.

Lernziele & Inhalte

KI-Modelle bauen, trainieren & bewerten

Der Kurs verbindet tiefgehendes technisches Know-how mit aktuellem Praxiswissen aus dem KI-Bereich. Du beschäftigst dich zunächst mit den mathematischen Grundlagen des maschinellen Lernens – von Gleichungssystemen über Verteilungen bis hin zur linearen und logistischen Regression. Darauf aufbauend lernst du zentrale ML-Verfahren und verschiedene Tools kennen.

Im nächsten Schritt geht es um den Aufbau und das Training künstlicher neuronaler Netze mit modernen Tools. Du programmierst Deep-Learning-Architekturen und setzt Large-Scale-Systeme um – bis hin zur Entwicklung generativer KI und ihrer Integration in Anwendungen wie ChatBots. Auch die Bewertung und der systematische Vergleich von Modellen sind Teil des Kurses. So bekommst du das nötige Rüstzeug, um fundierte Entscheidungen im Umgang mit KI-Systemen zu treffen – technisch, strategisch und ethisch reflektiert.

Mach dich bereit für den nächsten Karriereschritt – mit einem anerkannten Hochschulzertifikat, das deine KI-Kompetenz sichtbar macht.

Jetzt anmelden und im Bereich Machine Learning - Deep Learning durchstarten!

Auszug aus den Lehrinhalten:

Maschinelles Lernen und theoretische Grundlagen

• Begriffswelten, Einsatzgebiete und Modelle der Künstlichen Intelligenz und des maschinellen Lernens
• Erforderliche mathematische Grundkenntnisse (Gleichungssysteme, Determinanten, Verteilungen, Erwartungswerte, lineare und logistische Regression)
• Qualitätsmerkmale für Daten
• Lösung von Optimierungsproblemen
• k-means-Algorithmus
• neuronale Netze
• grundlegende Algorithmen (Entscheidungsbäume, Pruning, evolutionäre Algorithmen, Monte-Carlo-Baum-Suche, Einteilungen von Zeitreihendaten, Bayes-Klassifikatoren)

Künstliche neuronale Netze und Deep Learning

• Programmiersprache R und Data-Science-Pakete für Python sowie KNIME, SAS, SPSS und STATA
• Programmieren Künstlich-Neuronaler Netze, Feedforward und Deep Neural Networks mittels Python, TensorFlow, Keras und PyTorch
• Programmieren von Large-Scale Machine Learning Systemen
• Kenntnis gängiger Algorithmen der generativen KI
• Projektieren von Vorhaben zur Erstellung generativer KI