AI Technology Implementer [DE]

Dieses Seminar vermittelt einen durchgängigen, praxisorientierten Einstieg in die Arbeit mit Daten und KI in Python – vom soliden Programmier‑Fundament über das Einlesen, Verstehen und Aufbereiten von Daten bis hin zu ersten Machine‑Learning‑ und Deep‑Learning‑Modellen.

Didaktisch liegt der Schwerpunkt auf hands‑on Lernen: kurze Inputs, direkte Übungen in Notebooks, kleine Mini‑Cases und wiederkehrende Best Practices (Lesbarkeit, Reproduzierbarkeit, Fehlerbehandlung, saubere Datenübergaben). Am Ende jedes Moduls gibt es eine strukturierte Reflexion („Was davon passt zu unserem Kontext?“) – und über den gesamten Kurs hinweg entsteht ein kleines Portfolio an Notebooks/Artefakten, das als Grundlage für die weitere Arbeit im Alltag dient.

Inhalt

• Einführung in Python für Data Science & KI
  • Python Grundlagen (Syntax, Datentypen, Kontrollfluss, Funktionen) anhand einfacher Beispiele
  • Arbeiten mit Bibliotheken & Paketmanagement (Grundprinzipien, Installation, Nutzung)
  • Erste Datenanalyse mit pandas und einfache Visualisierungen
  • Transfer: Anwendungsideen im eigenen Umfeld
• Datenextraktion & Datenaufbereitung
  • Datenformate & typische Herausforderungen (CSV/Excel/Logs/JSON, Datentypen, Encoding, Zeitformate)
  • Parsing und Extraktionsprinzipien
  • Daten über Schnittstellen/Web Quellen
  • Aufbereitung & Bereinigung mit pandas: Transformationen, Missing Values, Duplikate, Plausibilitätschecks
• Einführung in Machine Learning
  • ML Grundlagen: Problemtypen, Workflow, typische Use Cases (Klassifikation/Regression)
  • Umsetzung in Python (Training, Evaluation, Pipelines)
  • Modelle vergleichen, interpretieren und korrekt bewerten (Metriken, Overfitting, Leakage vermeiden)
• Einführung in Deep Learning & KI
  • Grundkonzepte neuronaler Netze: Aufbau, Training, typische Stolpersteine
  • Umsetzung einfacher Netze mit einem gängigen Framework (z. B. Keras/TensorFlow oder PyTorch)
  • Transfer Learning als pragmatischer Einstieg (vortrainierte Modelle nutzen/anpassen)
  • Praxisblick: Grenzen, Daten-/Compute Bedarf, verantwortungsvolle Nutzung (Bias/Privacy Awareness)
  • Abschluss: Wie das Gelernte als End to End Vorgehen in den Alltag überführt wird

Ziel

• Python sicher genug beherrschen, um Datenaufgaben selbstständig umzusetzen und Code anderer zu verstehen
• Daten aus typischen Quellen robust einlesen, vereinheitlichen und aufbereiten (inkl. Fehlerbehandlung/Checks)
• Den Standard ML Workflow praktisch anwenden: trainieren, evaluieren, verbessern, Fallstricke erkennen
• Deep Learning Grundprinzipien verstehen und einfache Modelle/Transfer Learning sinnvoll einordnen
• Ein klares Bild entwickeln, was im eigenen Kontext realistisch ist (Use Cases, Datenbedarf, Aufwand, Risiken)

Dauer

3 Tage

Prüfung

Die Zertifizierungsprüfung ist computergestützt und wird vom unabhängigen Zertifizierungsinstitut Certible als „Remote-Proctored“ Online-Prüfung durchgeführt. 
Für die 90minütige Prüfung können die Kandidaten die Prüfungstermine frei wählen und die Prüfung zu einem Zeitpunkt ablegen, der für sie zeitlich am besten geeignet ist.

Zielgruppe

• Einsteiger in Python mit Datenfokus: Data Analysts, BI/Reporting, (Junior) Data Science, (Junior) Data Engineering
• Fachbereiche, die Daten selbst bearbeiten/auswerten möchten (z. B. Controlling, Operations, Marketing Analytics)
• Produkt-/Projektrollen, die KI Vorhaben besser verstehen, einschätzen und begleiten möchten

Voraussetzungen

• Für die Teilnahme an diesem Kurs sind keine speziellen Vorkenntnisse erforderlich.

Dieses Seminar wird von unserem Trainingspartner qSkills durchgeführt.