KI-Technologie verstehen: Vom Maschinellen Lernen (ML) bis zur Generativen KI (GenAI)

Inhalte

Python & KI: Das technische Fundament verstehen

Was ist Python?	02:31
10 typische Fehler mit Python	07:55
Was Sie beachten müssen, wenn Sie mit einem Mac arbeiten	03:20
Python-Codes teilen mit anderen Mitarbeitern	02:30
Anmeldung Python	05:42
Python-Integration mit KI Agenten: Bewerbungen analysieren lassen	09:35
Quiz zum Kurs „Python & KI: Das technische Fundament verstehen“

Grundlegende Prinzipien des Maschinellen Lernens (ML)

Maschinelles Lernen und künstliche Intelligenz: Grundkonzepte	06:37
Künstliches Neuronales Netz (KNN): Architektur und Anwendung	08:31
Funktionsweise und Optimierung von KNN	07:44
Quiz zum Kurs „Grundlegende Prinzipien des Maschinellen Lernens (ML)“

Lernprinzipien von KI-Modellen

Lernparadigmen: Supervised Learning, Unsupervised Learning und Reinforcement Learning	06:59
Supervised Learning: Grundlagen und praktische Anwendung	05:19
Unsupervised Learning: Clustering, Assoziationsregeln und Dimensionsreduktion	09:18
Reinforcement Learning: Grundprinzipien, Funktionsweise und strategische Unternehmensanwendungen	08:35
Quiz zum Kurs „Lernprinzipien von KI-Modellen“

ML-Algorithmen und ihre Kernaufgaben (Klassifikation, Regression, Prognose)

Klassische Algorithmen vs. ML-Algorithmen	06:22
Klassifikationsalgorithmen im maschinellen Lernen	06:21
Regression zur Vorhersage von Zahlenwerten	05:11
Clustering-Algorithmen: Mustererkennung in großen Datenmengen	08:45
Machine-Learning-Algorithmen im Vergleich	08:24
Quiz zum Kurs „ML-Algorithmen und ihre Kernaufgaben (Klassifikation, Regression, Prognose)“

Vom Maschinellen Lernen (ML) zum Deep Learning

Deep Learning und Machine Learning: Unterschiede, Architektur und Unternehmensanwendungen	07:35
Deep Learning und neuronale Netze: Von der Grundstruktur zur Erklärbarkeit	07:45
Deep Learning Networks (DLN): Convolutional Neural Networks für Bild- und Raumerkennung	08:54
Deep Learning Networks (DLN): Recurrent Neural Networks für Sequenzen	07:15
Deep Learning Networks (DLN): Generative Adversarial Networks für die Erzeugung neuer Daten	06:34
Deep-Learning-Architekturen: Auswahl und praktische Anwendung für KI-Projekte	04:57
Quiz zum Kurs „Vom Maschinellen Lernen (ML) zum Deep Learning“

Grundprinzipien der „Wahrnehmung“ von KI

Natural Language Processing (NLP)	06:12
Computer Vision und Vision-Language Models	06:30
Speech-to-Text-Technologie	06:20
Grundprinzipien der Wahrnehmung von KI im Vergleich	08:36
Quiz zum Kurs „Grundprinzipien der „Wahrnehmung“ von KI“

Daten: Arten

Datenstrategien und Datentypen: Grundlagen für erfolgreiche KI-Anwendungen im Unternehmen	06:35
Big Data: Volume, Velocity, Variety, Veracity, and Value	11:00
Datenarchitektur für künstliche Intelligenz: Strukturierte, semistrukturierte und unstrukturierte Daten	08:03
Synthetische Daten in KI-Projekten: Generierung, Validierung und Governance	09:14
Quiz zum Kurs „Daten: Arten“

Daten, Daten, Daten

Die Macht der Daten	04:55
Data Warehouse	10:25
Data Analytics	08:48
Data Science	12:01
Quiz zum Kurs „Daten, Daten, Daten“

Daten: Strategien und Prozesse

Unternehmensdaten strukturieren: Stammdaten, Transaktionsdaten und Analysedaten	06:02
Datenvorbereitung und -bereinigung für KI-Projekte: Grundlagen und Best Practices	06:15
Datenqualität und KI: Dimensionen, Prozesse und kausale Zusammenhänge	05:56
Quiz zum Kurs „Daten: Strategien und Prozesse“

Trainingszyklus eines KI-Modells verstehen

KI-Modell-Trainingszyklus: Grundprinzipien, Phasen und Lernstrategien	05:37
KI-Modelle trainieren: Von der Problemdefinition bis zur Evaluierung	07:59
Quiz zum Kurs „Trainingszyklus eines KI-Modells verstehen“

Technisch-bedingte Risiken von KI

KI-Sicherheit und Machine Learning: Risiken und Angriffsvektor	07:32
Bias in künstlichen Intelligenzsystemen: Quellen, Mechanismen und gesellschaftliche Auswirkungen	08:51
KI-Halluzinationen: Ursachen, Mechanismen und praktische Lösungsansätze	06:50
RAG, Fine-Tuning, und RAFT: Strategische Implementierung von LLMs	07:03
KI-Risikomanagement in Unternehmen	09:02
Quiz zum Kurs „Technisch-bedingte Risiken von KI“

Empfehlungssysteme auf Grundlage von Big Data

Kollaboratives Filtern: Algorithmen und Anwendungen	05:50
Künstliche Intelligenz in der Inhaltsmoderation	09:45
Quiz zum Kurs „Empfehlungssysteme auf Grundlage von Big Data“

Prädiktive vs. Generative KI

Prädiktive künstliche Intelligenz	06:48
Generative KI-Architekturen	08:17
Quiz zum Kurs „Prädiktive vs. Generative KI“

Ensemble Learning – Kombinierte Algorithmen zur Verhinderung von Overfitting und eigenständiger Verbesserung

Ensemble Learning: Bagging, Boosting und Stacking zur Modelloptimierung	09:11
Random Forests: Ensemble Learning für komplexe Geschäftsdaten	04:44
Gradient Boosting: Sequenzielles Lernen, Fehlerkorrektur und Overfitting-Prävention	07:56
Quiz zum Kurs „Ensemble Learning – Kombinierte Algorithmen zur Verhinderung von Overfitting und eigenständiger Verbesserung“

Quiz zum Kurs „KI-Technologie verstehen: Vom Maschinellen Lernen (ML) bis zur Generativen KI (GenAI)“

Dozenten des Kurses KI-Technologie verstehen: Vom Maschinellen Lernen (ML) bis zur Generativen KI (GenAI)

Lecturio GmbH

Lecturio steht für nachhaltige, einfache und kosteneffiziente Aus- und Weiterbildung in Unternehmen und für Privatpersonen. Das Lernangebot umfasst mehr als 7000 videobasierte E-Learning-Kurse in mehr als 80 Themengebieten. Der Fokus für Unternehmen liegt in den Bereichen Compliance, Leadership, Projektmanagement, Softskills, Vertrieb und Medizin. Privatkunden nutzen Lecturio mehrheitlich als Begleiter während ihres Studiums sowie zur Examensvorbereitung in Medizin und Jura. Bei Lecturio lernt man mit praxisnahen videobasierten Online-Trainings – in deutscher und in englischer Sprache. Tausende von Quizfragen machen den Lernerfolg messbar. Lecturio-Kurse sind auf allen Endgeräten abrufbar – mit der iOS- und Android App auch offline. Lecturio hat es sich zur Mission gemacht, Unternehmen und Privatpersonen dabei zu helfen, ihr volles Potential zu entfalten.

Dr. Holger Aust

Dr. Holger Aust ist Data Scientist und Blogger. In seinem Blog databraineo.de klärt er über Möglichkeiten von Data Science, maschinellem Lernen und KI auf und vermittelt unterhaltsam das nötige Wissen für die praktische Umsetzung.
Nach Studium und Promotion in Mathematik und Informatik half er als Unternehmensberater eines internationalen Retail-Unternehmens Strategieprojekte mittels Data-Driven Decision Management umzusetzen. Aktuell arbeitet er als Data Scientist im Bereich Health Care, um durch Datenmessung und -analyse die Behandlungsqualität in Krankenhäusern zu verbessern.

Dr. Holger Aust is a data scientist and blogger. On his blog databraineo.de, he explains the capabilities of data science, machine learning and AI and provides the necessary knowledge for practical implementation in an entertaining way.
After studying and obtaining a doctorate in mathematics and computer science, he worked as a management consultant for an international retail company, assisting in the implementation of strategy projects using data-driven decision management. He currently works as a data scientist in the health care sector, improving the quality of treatment in hospitals through data measurement and analysis.

Kristoffer Ditz

In kurzen, intensiven Trainingseinheiten zu Ihrem Erfolg im Controlling und E-Commerce!

Kristoffer Ditz ist Gründer der Hanseatic Business School in Hamburg. Speziell für den Einzel- und Versandhandel bietet er Kurse für Controlling und E-Commerce an. Insgesamt ist er seit 20 Jahren im Controlling aktiv und hat für nationale sowie internationale Firmen gearbeitet. Als ausgebildeter Controller (CA) und zertifizierter Trainer sind Sie bei Kristoffer Ditz für Seminare und Beratung in guten Händen.

5 Sterne		5
4 Sterne		0
3 Sterne		0
2 Sterne		0
1 Stern		0

5 Sterne		5
4 Sterne		0
3 Sterne		0
2 Sterne		0
1 Stern		0