Künstliche Intelligenz - Entwicklung und Computer Vision
Anbieter: IU Akademie IU Internationale Hochschule
Lädt...
Anbieter: IU Akademie IU Internationale Hochschule
Tauche ein in die Welt der Künstlichen Intelligenz und Computer Vision. Diese Weiterbildung bietet Dir umfassendes Wissen in KI-Entwicklung und Computer Vision, essentielle Technologien der Gegenwart und Zukunft. Du lernst von Maschinellem Lernen über Neuronale Netze bis hin zu Deep Learning. Diese Disziplinen sind entscheidend, um die Potenziale künstlicher Intelligenz in verschiedenen Bereichen voll auszuschöpfen und innovative Lösungen zu entwickeln. Mit diesem Wissen bist Du bereit, Dich in Bereichen wie autonomes Fahren, medizinische Bildverarbeitung und industrielle Automatisierung zu engagieren. Die Weiterbildung umfasst auch ein praxisorientiertes Projekt in Computer Vision, das Dir ermöglicht, Deine Fähigkeiten direkt anzuwenden und Deine Expertise zu vertiefen. Damit bist Du optimal vorbereitet, um in Deinem gewählten Berufsfeld zu glänzen und maßgeblich zur technologischen Entwicklung beizutragen.
Hinweis: Für eine erfolgreiche Teilnahme an der Weiterbildung ist ein grundlegendes Verständnis in Bereichen der mathematischen Analysis, der linearen Algebra und Statistik von Vorteil. Diese Kenntnisse ermöglichen es, die Inhalte der Weiterbildung optimal zu erfassen und aktiv mitzugestalten.
Das Streben nach Künstlicher Intelligenz (KI) hat die Menschheit über viele Jahrzehnte hinweg in Atem gehalten und ist seit den 60er Jahren ein aktives Forschungsgebiet. Dieser Kurs gibt einen detaillierten Überblick über die historischen Entwicklungen, Erfolge und Rückschläge in der KI sowie über moderne Ansätze in der Entwicklung der Künstlichen Intelligenz wie generative KI. Der Kurs gibt eine Einführung in das Reinforcement Learning, einen Prozess, der der Art und Weise ähnelt, wie Menschen und Tiere die Welt erleben: Erkundung der Umgebung und Ableitung der besten Aktion. Der Kurs behandelt auch die Grundsätze der Verarbeitung natürlicher Sprache und des Computer-Visualisierungsverfahrens, beides Schlüsselkomponenten für eine künstliche Intelligenz, die mit ihrer Umgebung interagieren kann.
Kursinhalte
Fakten zum Modul: Niveau: Bachelor · Unterrichtssprache: Deutsch · 5 ECTS-Punkte · Modulprüfung: Examen, 90 Minuten
Dieser Kurs dient als grundlegende Einführung in das Gebiet des maschinellen Lernens mit dem Schwerpunkt auf Supervised Learning (d.h. Lernen aus gelabelten Daten), wobei die am häufigsten verwendeten Modelle zur Regression und Klassifikation vorgestellt werden. Darüber hinaus bietet der Kurs eine Einführung in die Konzepte der Large-Margin-Classifier und der Baum-basierten Algorithmen des maschinellen Lernens.
Kursinhalte
Fakten zum Modul: Niveau: Bachelor · Unterrichtssprache: Deutsch · 5 ECTS-Punkte · Modulprüfung: Klausur, 90 Minuten
Dieser Kurs befasst sich mit den Werkzeugen und Techniken des Unsupervised Learnings und Feature Engineerings. Unsupervised Learning bezeichnet Ansätze des maschinellen Lernens, die ohne gelabelte Daten angewendet werden können. Das Ziel ist es, Muster oder statistische Regelmäßigkeiten in Daten zu extrahieren, um geeignete Features abzuleiten, was der Schlüssel für die erfolgreiche Anwendung von maschinellen Lernmodellen ist.
Kursinhalte
Fakten zum Modul: Niveau: Bachelor · Unterrichtssprache: Deutsch · 5 ECTS-Punkte · Modulprüfung: Fallstudie
Neuronale Netze und Deep-Learning-Ansätze haben in den letzten Jahren die Bereiche der Datenwissenschaft und der künstlichen Intelligenz revolutioniert. Anwendungen, die auf diesen Techniken aufbauen, haben in vielen Spezialanwendungen die menschliche Leistung erreicht oder übertroffen. Nach einem kurzen Überblick über die Ursprünge neuronaler Netze und des Deep Learning wird in diesem Kurs ausführlich vermittelt, wie Feed-Forward-Netze aufgebaut und trainiert werden. Neben Feed-Forward-Netzen werden weitere gängige Netzarchitekturen wie Faltungsnetze (Convolutional Neural Networks) und rekurrente neuronale Netze behandelt. Darüber hinaus werden anhand der begleitenden Lehrmittel die Auswirkungen von Designentscheidungen und der Erhebung der benötigten Daten hinsichtlich Fragen der algorithmischen Fairness sowohl im Hinblick auf ihre Auswirkung auf Individuen, als auch ihre gesellschaftliche Dimension diskutiert.
Kursinhalte
Fakten zum Modul: Niveau: Bachelor · Unterrichtssprache: Deutsch · 5 ECTS-Punkte · Modulprüfung: Fachpräsentation
Zulassungsvoraussetzung: gute Deutschkenntnisse auf B2-Niveau.
Zugangsempfehlung: Fortgeschrittene Mathematik- und Statistikkenntnisse (Analysis, Algebra und Statistik)
Die Weiterbildung ist auf dem inhaltlichen Niveau eines Bachelor Studiengangs. Eine Weiterbildung auf Bachelor-Niveau vermittelt grundlegende Kenntnisse und Fähigkeiten in einem bestimmten Fachbereich.
Laptop mit Internetzugang.
© 2026 genaumeinkurs. Alle Rechte vorbehalten.
Made with ♥ in Munich
AZAV-zertifizierter Träger
Förderung durch die Agentur für Arbeit möglich
AZAV-zertifizierter Träger
Förderung durch die Agentur für Arbeit möglich