• Deutsch

  • English

Kontakt
  • Haben Sie Fragen?

Birgit Welt

Study Coach

Your Contact

KI - Künstliche Intelligenz (AZAV)

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 for AI

Ziel des zweiten 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.

Methoden der KI (Englisch) 

Die Teilnehmenden erlernen zu Beginn der Veranstaltung die Konzepte des maschinellen Lernens kennen. Sie sind in der Lage, verschiedene Verfahren des maschinellen Lernens zu bewerten und für eine Anwendung problemadäquat auszuwählen. Sie können diese Modelle trainieren, ihre Leistung verlässlich schätzen, sich außerdem kritisch mit den Ergebnissen der Anwendung auseinandersetzen und diese abschließend evaluieren.

Big Data & Datenbanken

Die Teilnehmenden werden dazu befähigt, verschiedene Konzepte von Datenbankstrukturen vor dem Hintergrund von Big Data zu diskutieren und selbständig Datenbankabfragen durchzuführen. Überdies beherrschen sie nach Abschluss grundlegende Funktionen von Datenbankabfragesprachen, um die Ergebnisse kritisch zu interpretieren. Die Teilnehmenden können bereits vorhandene Grundkenntnisse aus der Informatik auf den Bereich der Datenbanken und beispielhafte Sachverhalte übertragen sowie Bestandteile von Datenbanken und deren Arten und Aufgaben erklären. Sie sind mit Hilfe der Datenbanktheorie in der Lage, ER-Modelle zu entwickeln und eine Normalisierung auf Tabellen durchzuführen. Durch das in der Maßnahme vermittelte Wissen im Bereich SQL können die Lernenden Datenbankabfragen durchführen, NoSQL-Datenbanken analysieren und Datenbanksysteme für Big Data Anwendungen beurteilen.

Lehrinhalte


Programming for AI

  • 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

 Methoden der KI (Englisch)

  • Grundkonzepte: Machinelles Lernen
  • Python & Maschinelles Lernen
  • Exploratory Data Analysis, Vorbereitung von Datensätzen, Validierungsmodelle, Generalisierung
  • Lineare und generalisierte Regressionsmodelle, Logistische Regression
  • Support Vektor Maschinen
  • Bayesklassifikatoren
  • Entscheidungsbäume, Random Forest Trees
  • Künstliche neuronale Netze
  • Clusteranalyse

 Big Data & Datenbanken

  • Arten und Aufgaben von Datenbanken
  • Bestandteile von Datenbanken
  • Datenbanktheorie
  • ER-Modellierung
  • Normalisierung
  • Strukturregeln
  • Der logische Entwurfsprozess
  • Datenintegrität
  • Transaktionsverarbeitung
  • Einführung in SQL
  • Datenbankkonzepte für Big Data Awendungen
  • NoSQL- Datenbanken (Graphdatenbanken, dokumentbasierte Datenbanken, Key-Value Stores, Wide Column Stores,…)

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.

Dauer

18 Wochen + 4 Wochen Ferien

Lernform

Blended Learning / Online / Präsenz

Ort

Online; HS Aalen (ggf. andere Kooperationshochschule)

Prüfung

Praktische Arbeit schriftliche Klausurarbeiten schriftliche Klausurarbeiten

Niveau

Advanced

Voraussetzungen

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

Sprache

Deutsch / Englisch

Freie Plätze

12

Lehrende

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

Angebotshäufigkeit

Wintersemester

Workload

15 ECTS

92 UE Präsenz / virtuelle Präsenz

30 UE geleitetes E-Learning

Abschluss

Hochschulzertifikat mit ECTS nach bestandener Prüfung

Melden Sie sich jetzt an!


zum Anmeldeformular

IHRE ANSPRECHPERSON


Franziska Wimmer

Franziska Wimmer

Weiterbildungs- und Zertifikatskurse

+49 7361 576-1459
+49 (0) 152-335-71261
franziska.wimmer(at)hs-aalen.de