Am Ende dieses Kurses werden die Teilnehmer in der Lage sein, zentrale KI-Konzepte zu unterscheiden, tiefe neuronale Netze aufzubauen, Bild- und Textmodelle anzuwenden, aufmerksamkeitsbasierte NLP-Systeme zu entwickeln und Empfehlungslösungen zu entwerfen.

Dieser praxisorientierte Kurs führt die Teilnehmer von den Grundlagen des maschinellen Lernens und des Deep Learning bis hin zu fortgeschrittenen Anwendungen in den Bereichen Computer Vision, Verarbeitung natürlicher Sprache, tabellarische Vorhersagen und Empfehlungssysteme. Durch angeleitete Lektionen, Programmierübungen und Fallstudien aus der Praxis erwerben die Teilnehmer praktische Kenntnisse im Umgang mit branchenüblichen Tools wie Jupyter, Google Colab und PyTorch. Was diesen Kurs einzigartig macht, ist sein schrittweiser Aufbau: Er beginnt mit einsteigerfreundlichen Konzepten, führt schrittweise zum Aufbau robuster neuronaler Netze und endet schließlich mit der Anwendung fortgeschrittener Architekturen wie Transformern und Attention-Mechanismen. Jedes Modul legt den Schwerpunkt auf praktisches Programmieren, um sicherzustellen, dass die Teilnehmer die Theorie nicht nur verstehen, sondern Modelle auch in realen Projekten implementieren und optimieren können. Nach Abschluss dieses Kurses verfügen die Teilnehmer über die Fähigkeiten, Daten zu analysieren, Merkmale zu entwickeln, skalierbare Modelle zu erstellen und die Leistung zu bewerten – und sind damit bereit für berufliche Positionen in den Bereichen KI, Deep-Learning-Engineering und Data Science.