Informiere dich über unseren KI Track. Beginne deine Lernreise als Teilnehmer des nächsten TechLabs Jahrgangs in der Stadt deiner Wahl. Erwerbe Tech Skills mithilfe unserer individuellen Lerntracks, unseren lokalen Veranstaltungen und professioneller Unterstützung durch unsere erfahrenen Mentoren. Innerhalb von sechs Monaten beendest du ein Tech-Projekt und erhältst unser Digital Shaper Zertifikat.
6 Monate Programm
5 Stunden / Woche
Erhalte ein Abschlusszertifikat,
nachdem du dein Projekt präsentierst
Über 250 Absolventen
6 Monate Programm
5 Stunden / Woche
Erhalte ein Abschlusszertifikat nach Projekteinreichung
250+ Absolventen
5 Stunden / Woche
6 Monate Programm
Erhalte ein Abschlusszertifikat nach Projekteinreichung
250+ Absolventen
Informiere dich über unseren KI Track. Beginne deine Lernreise als Teilnehmer des nächsten TechLabs Jahrgangs in der Stadt deiner Wahl. Erwerbe Tech Skills mithilfe unserer individuellen Lerntracks, unseren lokalen Veranstaltungen und professioneller Unterstützung durch unsere erfahrenen Mentoren. Innerhalb von sechs Monaten beendest du ein Tech-Projekt und erhältst unser Digital Shaper Zertifikat.
KI ist eine dehnbare Definition, die lernende Strukturen umfasst, die in der Lage sind Muster zu erkennen und die gelernten Muster anzuwenden, um etwas vorherzusagen oder zu transformieren. Wenn wir über KI sprechen, sprechen wir über neuronale Netzwerke oder Reinforcement-Lern-Systeme, die in der Lage sind, große, komplexe Probleme wie Objekterkennung, Objektklassifizierung oder autonomes Fahren zu bewältigen. Diese Anwendungen werden von neuronalen Netzen mit Millionen von Parametern dominiert.
Daten sind das neue Öl, aber 'KI ist der neue Strom' - Andrew Ng. Künstliche Intelligenz hilft, wertvolles Wissen aus Daten zu gewinnen. Tiefe neuronale Netze erhielten 2011 eine Steigerung der Popularität, als das neuronale Netzwerk AlexNet den ImageNet-Wettbewerb (Erkennung von 1000 Objektklassen in Bildern) mit einer Fehlerquote von 16% löste. Bevor tiefe neuronale Netze diesen Wettbewerb beherrschten, lag die durchschnittliche Fehlerquote bei weit über 25%. Seitdem ist die Fehlerquote auf weniger als 5% gesunken. Der Erfolg von Deep Neural Networks hängt von der großen Datenmenge ab, die notwendig ist, um die Millionen von Parametern zu trainieren. Da die Datenmenge ständig wächst, wird das Anwendungsspektrum der KI immer größer. Während KI lange Zeit ein Instrument zur Lösung einer einzelnen, sehr spezifischen Aufgabe war, entwickelt sich KI immer mehr zu einem generalisierten Ansatz zur Problemlösung.
Grundlagen über Deep-Learning-Algorithmen
Erfahre, wie man Bilderkennungssysteme erstellt
Erfahre, welche mathematischen Grundlagen hinter dem Training neuronaler Netze stehen
Lerne allgemeine Python-Programmierkenntnisse mit Schwerpunkt auf Deep-Learning-Libraries
Der KI-Track ist in verschiedenen Versionen erhältlich. Du kannst den Deep-Learning-Teil mit einer Auffrischung deiner Python- und Maschinenkenntnisse kombinieren. Trotz dieser Auffrischung solltest du bereits über einige Kenntnisse in Python und Machine Learning verfügen. Du erwirbst sowohl theoretisches Wissen als auch praktische Erfahrung. Die Hauptanwendungen sind Bildklassifikation, Objekterkennung und Text-Mining. Darüber hinaus wirst du neuronale Netze einsetzen, um Objekte in einem Bild zu erkennen und zu klassifizieren sowie interessante Muster in Textdaten zu finden (z.B. Amazon Rezensionen). Neben der Anwendung enthält der Track Informationen über die wichtigsten mathematischen Grundlagen neuronaler Netze. Dazu gehören Backpropagation, Gradientenabstieg und die Vektorisierung von Wörtern.
Eine Application, die deine gesamten Finanztransaktionen verfolgt.
Web Development
Data Science
Eine Application, die Marke und Modell eines Autos anhand eines Fotos erkennt und die wichtigsten statistischen Merkmale des Gebrauchtwagens identifiziert.
Künstliche Intelligenz
Web Development
Data Science
Eine Plattform, die den Prozess der Stellenauswahl für Arbeitnehmer und Arbeitgeber revolutionieren will.
UX Design