Weiterbildung zum AI Engineer
Die Weiterbildung verbindet theoretische Grundlagen mit praktischen Übungen und vollständigen Projekten. Der geplante Abschluss liegt im November 2026.
Umfang
6 Module
Aktueller Stand
Modul 3
Geplanter Abschluss
November 2026
01
Python-Grundlagen, objektorientierte Programmierung, Datenaufbereitung, explorative Analyse, statistische Grundlagen und Visualisierung.
02
Überwachtes und unüberwachtes Lernen, Modellvergleich, Evaluation, Feature Engineering und systematisches Hyperparameter-Tuning.
03
Neuronale Netze, CNNs, rekurrente Netze, Autoencoder, Attention, Self-Attention und Transformer-Grundlagen mit praktischer Umsetzung.
04
Sprachverarbeitung, Embeddings, große Sprachmodelle, Retrieval-Augmented Generation und kontrollierte AI-Assistenten.
05
Skalierbare Datenverarbeitung, Datenpipelines und technische Grundlagen für größere Datenmengen und verteilte Systeme.
06
Bereitstellung, Versionierung, Automatisierung, Monitoring und Wartung von Machine-Learning- und AI-Systemen.
Lern- und Projektprozess
Neue Verfahren werden zunächst in verständliche Einzelschritte zerlegt.
Der vermittelte Stoff wird mit eigenen Datensätzen und Problemstellungen umgesetzt.
Einzelne Methoden werden zu vollständigen, reproduzierbaren Anwendungen zusammengeführt.
Vorgehen, Modellentscheidungen, Ergebnisse und Grenzen werden nachvollziehbar festgehalten.
Portfolio-Transfer
Die Projektseiten zeigen nicht nur fertige Ergebnisse, sondern auch Datenfluss, Modellwahl, Evaluation, Softwarestruktur und bekannte Grenzen.