Deep Learning für Machine-Learning-Bibliotheken und Visual Computing mit Zusatzqualifikation: Microsoft Power BI, Machine Learning, statistische Datenanalyse mit R, TensorFlow und Prompt Engineering

Nach Abschluss der Weiterbildung verfügen Sie über Kenntnisse in Deep Learning und Machine Learning, beherrschen die Nutzung von Microsoft Power BI zur Datenvisualisierung und führen statistische Datenanalysen mit R durch. Sie wenden TensorFlow für die Entwicklung von Modellen an und setzen Prompt Engineering ein, um KI-Systeme zu optimieren. Diese Fähigkeiten ermöglichen Ihnen Tätigkeiten in der Datenanalyse, im Visual Computing und in der Entwicklung von KI-Anwendungen.

Deep Learning Grundlagen

• Aufgaben und Funktion von Deep Learning
• Abgrenzung von Machine Learning und Deep Learning
• Neuronale Netze
• Trainieren eines Neuronalen Netzes
• Keras und Verbindungen zu TensorFlow

Machine Learning Implementierung

• Einführung in Machine Learning
• Arten des Machine Learning
• Entwicklung eines Machine-Learning-Systems
• Datenvorbereitung für Machine Learning
• Training und Auswahl eines Vorhersagemodells
• Modellbewertung und Hyperparameter-Tuning

Visual Computing mit Power BI

• Datenvorbereitung für Power BI
• Arbeiten mit Power Query
• Benutzeroberfläche von Power BI
• Interaktive Dashboards gestalten
• Berechnungen mit DAX-Ausdrücken
• Freigabe von Analysen und Dashboards

Statistische Datenanalyse mit R

• Grundlagen der Arbeit mit R
• Datenmanagement und diskriptive Statistiken in R
• Umgang und Untersuchung von Datensätzen sowie Skalenbildung
• Importieren, Analysieren und Exportieren von Datensätzen
• Zusammenhänge zwischen Variablen und Diagrammen
• Diagramme in ggplot2

TensorFlow und Keras Anwendungen

• Installation und Einrichtung von TensorFlow
• Grundlegende Verwendung von TensorFlow
• Erstellen von Machine-Learning-Modellen mit Keras
• Erstellen von FCN- und CNN-Modellen mit Keras
• Analyse von Machine Learning in TensorFlow
• Problemlösung für nicht funktionierende Modelle

Prompt Engineering und ChatGPT

• Einführung in Prompt Engineering: Grundlagen und Überblick
• Training von ChatGPT: Verbesserung der Leistung durch Feinabstimmung
• Interaktive Konversation: dialogbasierte Nutzung von ChatGPT
• Nutzung von ChatGPT: Anwendungsmöglichkeiten und Potenziale
• Anwendungsdesign für ChatGPT: Strukturierung von Benutzerschnittstellen
• Konversationelle Herangehensweise: interaktive Nutzung von ChatGPT in Chatsystemen