Kontakt
  • Haben Sie Fragen?

Birgit Welt

Study Coach

Your Contact

KI - Künstliche Intelligenz (AZAV)

Lernen Sie Elemente & Funktionalitäten der Sprache Python anhand praktischer Programmierbeispiele kennen, um eigenständig fortgeschrittene Programmiertechniken anzuwenden. Verstehen Sie außerdem die Konzepte des maschinellen Lernens, um Lösungsansätze für typische KI-Probleme entwickeln und bewerten zu können. Beherrschen Sie abschließend verschiedene Konzepte von Datenbankstrukturen vor dem Hintergrund von Big Data und werden dazu die befähigt, Datenbankabfragen selbstständig durchzuführen.

Für arbeitssuchende oder von Arbeitslosigkeit bedrohte Fach- und Führungskräfte mit Erststudium der Wirtschafts-, Ingenieur- oder Naturwissenschaften an der Schnittstelle von Fachbereich und Künstlicher Intelligenz

Lernziele


Programming in Python

Ziel des ersten Teils ist, dass die Teilnehmenden die Elemente und Funktionalitäten der Sprache Python an praktischen Programmierbeispielen analysieren, entwickeln und umsetzen können. Dabei lernen sie die Performanceauswirkungen unterschiedlicher Implementierungsansätze zu beurteilen sowie eigenständig Optimierungen durchzuführen und zu entwerfen. Sie sind außerdem in der Lage, fortgeschrittene Programmiertechniken zu prüfen und anzuwenden, die über die in der Veranstaltung behandelten Techniken hinausgehen.

Big Data & Datenbanken

Die Teilnehmenden werden befähigt, Big Data-Technologien und Datenbanken zu konzipieren und zu beurteilen. Die Teilnehmenden sind in der Lage, beim Entwerfen der Datenbanken methodisch und strukturiert vorzugehen und ihr Handeln im Bereich Big Data zu planen. Sie können den Einsatz von Big Data-Technologien und Datenbanken dem
Management vorstellen und mit IT-Spezialisten debattieren.


Tools/Programmiersprache: SQL, NoSQL Dialekte

Methoden der KI (Englisch) 

Die Teilnehmenden kennen und verstehen die Konzepte des maschinellen Lernens. Sie können den Grundaufbau und Variationen der Verfahren einordnen. Sie verstehen den Prozess zum Aufbau qualitativ hochwertiger Modelle und können entsprechende Weichenstellungen definieren. Sie können diese Modelle trainieren und ihre Leistung verlässlich analysieren.

Lehrinhalte


Programming in Python

  • Einführung in Python
  • Datenstrukturen
  • Kontrollstrukturen
  • Allgemeine imperative Programmierkonzepte
  • Objektorientierte Programmierung
  • Relevante AI Programmbibliotheken und –tools
  • Beispiele: Anaconda, Jupyter Notebook, NumPy, Pandas, and Matplotlib
  • Spezifische Datenstrukturen
  • Datenvisualisierung Python
  • Einsatz von Tools für die Datenanalyse

 Big Data & Datenbanken 

  • Definition und Eigenschaften von Big Data
  • Relationale Datenbanken
  • Datenverteilung
  • Key-Value Stores
  • Dokumentenbasierte Datenbanken
  • Graphdatenbanken
  • Verteilte Datenverarbeitung

Methoden der KI (Englisch)

  • Introduction: What is Machine Learning? Building an understanding of what constitutes ML, beyond marketing buzzwords.
  • Introduction: Python & Machine Learning: Learning the basics of a programming language ubiquitous in Data Analytics.
  • CRISP-DM: A process to develop ML-Solutions: Quality and reproducibility built into this standardized, encompassing
    approach.
  • Modelling – general procedure & principles explained using regression: Creating models with low bias and high precision by introducing additional steps.
  • Methods: The core of any ML solution, learning methods for prediction.
  • Ensemble Methods: Improving on the predictive accuracy by applying meta models.

Didaktisches Konzept


Die drei Module des Kurzstudiums setzen sich aus abwechselnden Präsenz- und geleiteten E-Learning-Einheiten zusammen (sog. Blended Learning). Jedes Teilmodul startet zunächst mit einer Kick-Off-Veranstaltung in Präsenz. Es folgt die Vermittlung von theoretischen Inhalten anhand von geleitetem E-Learning (Learning Nuggets). Zum Ende einer E-Learning-Phase sind Projektaufgaben und Übungen zu bearbeiten, die in der nächsten Präsenz gemeinsam besprochen werden. Zur Klärung von Fragen oder bei Problemen hierbei, steht der Lehrende via CANVAS zur Verfügung.

Weitere Informationen zum Download


Lernform

E-Learning + Präsenz + Live-Online

Zeitraum

18 Wochen + 4 Wochen Ferien

Workload

92 UE Präsenz / virtuelle Präsenz

30 UE geleitetes E-Learning

Prüfung

Praktische Arbeit schriftliche Klausurarbeiten schriftliche Klausurarbeiten

Niveau

Advanced, DQR-Level 7

Voraussetzungen

Abgeschlossenes Erststudium, Abgeschlossenes Erststudium (Ingenieurs-, Natur- oder Wirtschaftswissenschaften) & mind. 1 Jahr Berufserfahrung; gute Kenntnisse der Hochschul-Mathematik (Vektoren, Matrizen, Lineare Algebra), Grundlagenkenntnisse Programmieren

Sprache

Deutsch

Freie Plätze

12

Lehrende

Prof. Dr. Dieter Joenssen, Manfred Rössle, Prof. Dr. Miriam Föller-Nord

Ort

Online, Hochschule Aalen

Abschluss

Hochschulzertifikat mit ECTS nach bestandener Prüfung

Melden Sie sich jetzt an!


zum Anmeldeformular

IHRE ANSPRECHPERSON


Sarah Werner

Sarah Werner

Weiterbildungs- und Zertifikatskurse


+49 (0) 152 33581046
sarah.werner(at)hs-aalen.de