KI - Künstliche Intelligenz (AZAV)

Programming for AI

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

Die Kurssprache ist Deutsch, Lehr- und Lernmaterialien sind teilweise in Englisch.

Methoden der KI 

Die Teilnehmenden verstehen wichtige Grundprinzipien und Methoden der Künstlichen Intelligenz, insbesondere Wissensrepräsentation, Inferenz und maschinelles Lernen. Sie sind in der Lage Verfahren, Vorgehensweisen, Risiken und Grenzen intelligenter Systeme zu analysieren, und können Lösungsansätze für typische KI-Probleme entwickeln und bewerten.

Programmiersprache: Python

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

 Big Data & Datenbanken 

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

Methoden der KI (Englisch)

• Einführung: Intelligente Agenten
• Problemlösen durch Suchen: heuristische Suche, lokale Suche, online-Suche, Nichtdeterminismus und partielle Beobachtbarkeit.
• Regelbasierte Systeme
• Constraint Satisfaction Problems
• Grundkonzepte: Maschinelles Lernen, Exploratory Data Analysis, Vorbereitung von Datensätzen, Validierungsmodelle, Generalisierung
• Nächste-Nachbarn- und Bayes-Klassifikatoren
• Support Vektor Maschinen
• Entscheidungsbäume, Random Forest Trees
• Künstliche neuronale Netze
• Clusteranalyse