- Start
- Bildungsträger
- IU Akademie IU Internationale Hochschule
- AI und Data Engineering
AI und Data Engineering
Anbieter: IU Akademie IU Internationale Hochschule
Trustpilot:4,2 von 5 Sternen4,2(214 Bewertungen)AZAV-zertifizierter Träger
Förderung durch die Agentur für Arbeit möglich
Kursbeschreibung
Künstliche Intelligenz, auch Artificial Intelligence (kurz: AI) genannt, ist aktuell eine der spannendsten Technologien. Von Chatbots und digitalen Assistenten über Gesichtserkennung bis zum autonomen Fahren werden AI-Anwendungen verstärkt eingesetzt. Und natürlich hat Künstliche Intelligenz auch immer etwas mit dem richtigen Einsatz von Daten zu tun. Mit Deiner Online-Weiterbildung AI und Data Engineering kannst Du diese Zukunftskonzepte mitgestalten. Deine Weiterbildung bietet Dir ein solides Grundverständnis in den Bereichen Data Engineerings und KI. Dazu blickst Du nicht nur in die Zukunft, sondern auch in die Vergangenheit. Du beschäftigst Dich zuerst mit der Historie künstlicher Intelligenz und konzentrierst Dich dann auf die Entwicklung und Anwendungsbereiche moderner KI-Systeme. Darunter Industriebereiche wie autonomes Fahren und Mobilität, Medizin, Finanzen, Einzelhandel und Produktion. Gleichzeitig beschäftigst Du Dich damit, wie rationale bzw. kognitive menschliche Intelligenz auf Maschinen sinnvoll übertragen werden kann. Und mit den gesellschaftlichen und politischen Implikationen der künstlichen Intelligenz. Dann geht es weiter mit dem Data Engineering. Moderne Architekturparadigmen wie Microservices werden genauso erläutert wie Faktoren der Datenverwaltung und des Datenschutzes. Zudem erhältst Du einen Überblick über Cloud Computing und DataOps. Zum Abschluss kannst Du Dein Wissen im Rahmen eines Data Engineering Projekts in die Praxis umsetzen. Hinweis: Durch den erfolgreichen Abschluss dieser Weiterbildung erlangen die Teilnehmenden keinen offiziellen Ingenieur-Titel.
Lehrplan & Module
Künstliche Intelligenz
Die Suche nach künstlicher Intelligenz hat das Interesse der Menschheit seit vielen Jahrzehnten bewegt und wird seit den 1960er Jahren rege beforscht. Dieser Kurs gibt einen detaillierten Überblick über die historischen Entwicklungen, Erfolge und Rückschläge in der KI sowie die Entwicklung und den Einsatz von Expertensystemen in frühen KI-Systemen.
Kursinhalte
- Geschichte der Künstlichen Intelligenz
- Historische Entwicklung
- KI-Winter
- Bemerkenswerte Fortschritte auf dem Gebiet der Künstlichen Intelligenz
- Frühe Systeme der Künstlichen Intelligenz
- Überblick über Expertensysteme
- Einführung in Prolog
- Mustererkennung und maschinelles Lernen (ML)
- Anwendungsfälle
- Neurowissenschaft und Kognitionswissenschaft
- Neurowissenschaft und das menschliche Gehirn
- Kognitionswissenschaft
- Zusammenhänge zwischen Neurowissenschaft, Kognitionswissenschaft und Künstlicher Intelligenz
- Moderne KI-Systeme
- Neueste Entwicklungen bei Hardware und Software
- Enge und allgemeine Künstliche Intelligenz
- Sprachverarbeitung und Computer Vision
- Anwendungen der Künstlichen Intelligenz
- Mobilität und autonome Fahrzeuge
- Personalisierte Medizin
- FinTech
- Handel und Industrie
Fakten zum Modul: Niveau: Master · Unterrichtssprache: Deutsch · 5 ECTS-Punkte · Modulprüfung: Examen, 90 Minuten
Seminar: Künstliche Intelligenz und Gesellschaft
Im laufenden Jahrzehnt wurden auf dem Gebiet der künstlichen Intelligenz beeindruckende Fortschritte erzielt. Verschiedene kognitive Aufgaben wie die Objekterkennung in Bild und Video, die Verarbeitung natürlicher Sprache, die Spielstrategie und das autonome Fahren und die Robotik werden heute von Maschinen auf einem noch nie dagewesenen Niveau ausgeführt. In diesem Kurs werden einige der gesellschaftlichen, wirtschaftlichen und politischen Auswirkungen dieser Entwicklungen untersucht.
Kursinhalte
Das Seminar behandelt aktuelle Themen zu den gesellschaftlichen Auswirkungen der künstlichen Intelligenz. Alle Teilnehmenden erstellen eine Seminararbeit zu einem zugewiesenen Thema.
Fakten zum Modul: Niveau: Master · Unterrichtssprache: Deutsch · 5 ECTS-Punkte · Modulprüfung: Seminararbeit
Data Engineering
Der Schwerpunkt dieses ersten Kurses im Wahlmodul Datentechnik liegt darin, den Studierenden wichtige Prinzipien, Konzepte, Methoden und Ansätze in diesem Fachgebiet näher zu bringen.
Um dieses Ziel zu erreichen, geht der Kurs von einer Darstellung der grundlegenden Prinzipien des Daten-Engineerings zu einer gründlichen Behandlung der Kernklassen der Datenverarbeitung über. Moderne Architekturparadigmen wie Microservices werden erläutert und wichtige Faktoren der Datenverwaltung und des Datenschutzes angesprochen. Aspekte des Cloud Computing werden durch einen Überblick über die gängigsten Angebote auf dem Markt vorgestellt. Schließlich wird eine hochmoderne agile Perspektive auf den Betrieb von Datenpipelines durch eine Darstellung des aufkommenden Begriffs DataOps gegeben.
Kursinhalte
- Grundlagen der Datensysteme
- Reliability (Systemzuverlässigkeit)
- Scalability (Skalierbarkeit)
- Maintainability (Instandhaltbarkeit)
- Skalierbare Datenverarbeitung
- Batch-Prozessierung
- Stream-Prozessierungssysteme
- Microservices
- Einführung in Monolithische Architekturen
- Einführung in Microservices
- Implementierung von Microservices
- Governance und Sicherheit
- Datenschutz
- Systemsicherheit
- Data Governance
- Verbreitete Cloud-Plattformen und -Dienste
- Amazon Web Services (AWS)
- Google-Cloud-Plattform (GCP)
- Microsoft Azure
- DataOps
- Grundlegende Prinzipien
- Containerisierung
- Aufbau von Daten- und ML-Pipelines
Fakten zum Modul: Niveau: Master · Unterrichtssprache: Deutsch · 5 ECTS-Punkte · Modulprüfung: Fachpräsentation
Data Science
Der Kurs Data Science bietet den Rahmen, um aus Daten Wert zu schaffen. Nach einer Einführung behandelt der Kurs, wie geeignete Anwendungsfälle identifiziert und die Leistung von datengesteuerten Methoden bewertet werden. Der Kurs behandelt Techniken für die technische Verarbeitung von Daten und stellt dann fortgeschrittene mathematische Techniken und ausgewählte Methoden der künstlichen Intelligenz vor, die zur Datenanalyse und für Vorhersagen verwendet werden.
Kursinhalte
- Einführung Data Science
- Überblick über Data Science
- Tätigkeiten der Data Science
- Datenquellen
- Deskriptive Statistik
- Use Cases und Bewertung
- Data Science Use Cases (DSUCs)
- Bewertung
- Datenvorverarbeitung
- Übermittlung von Daten
- Datenqualität, Bereinigung und Transformation
- Datenvisualisierung
- Verarbeitung von Daten
- Stufen der Datenverarbeitung
- Methoden und Arten der Datenverarbeitung
- Ausgabeformate der verarbeiteten Daten
- Ausgewählte mathematische Techniken
- Hauptkomponentenanalyse
- Clusteranalyse
- Lineare Regression
- Zeitreihenanalyse
- Methoden zur Datentransformation
- Ausgewählte Techniken der künstlichen Intelligenz
- Stütz-Vektor-Maschinen
- Künstliche neuronale Netze
- Weitere Ansätze
Fakten zum Modul: Niveau: Master · Unterrichtssprache: Deutsch · 5 ECTS-Punkte · Modulprüfung: Examen, 90 Minuten
Enthaltene Zertifikate
Voraussetzungen
Zulassungsvoraussetzung: gute Deutschkenntnisse auf B2-Niveau.
Die Weiterbildung ist auf dem inhaltlichen Niveau eines Master Studiengangs. Eine Weiterbildung auf Master-Niveau ist anspruchsvoller als auf Bachelor-Niveau. Vorhandenes Grundlagenwissen im gewählten Fachbereich ist deshalb von Vorteil.
Laptop mit Internetzugang.
Zielgruppen
- Arbeitssuchende
- Fachkräfte
Berufsbilder
- Data Engineer
- Data Scientist
- KI-Spezialist