Künstliche Intelligenz (KI) revolutioniert ganze Branchen und verändert die Art und Weise, wie Unternehmen aller Sektoren Daten nutzen, um Entscheidungen zu treffen. Um wettbewerbsfähig zu bleiben, brauchen Unternehmen qualifizierte KI-Ingenieure, die modernste Methoden wie maschinelle Lernalgorithmen und neuronale Netze für tiefes Lernen einsetzen, um datengesteuerte, umsetzbare Intelligenz für ihre Unternehmen zu liefern. Dieses 6-teilige Professional Certificate soll Ihnen die Werkzeuge an die Hand geben, die Sie für eine erfolgreiche Karriere als KI- oder ML-Ingenieur benötigen.

Sie beherrschen die grundlegenden Konzepte des maschinellen Lernens und des Deep Learning, einschließlich des überwachten und unüberwachten Lernens, unter Verwendung von Programmiersprachen wie Python. Sie wenden beliebte Bibliotheken für maschinelles Lernen und Deep Learning wie SciPy, ScikitLearn, Keras, PyTorch und Tensorflow auf industrielle Probleme in den Bereichen Objekterkennung, Computer Vision, Bild- und Videoverarbeitung, Textanalyse, natürliche Sprachverarbeitung (NLP), Empfehlungssysteme und andere Arten von Klassifikatoren an.

Anhand praktischer Projekte erlangen Sie grundlegende Data-Science-Fähigkeiten zur Skalierung von Machine-Learning-Algorithmen auf Big Data mit Apache Spark. Sie werden verschiedene Arten von Deep-Architekturen erstellen, trainieren und einsetzen, darunter Faltungsneuronale Netze, rekurrente Netze und Autoencoder.

Neben dem Professional Certificate von Coursera erhalten Sie auch ein digitales Abzeichen von IBM, das Ihre Kenntnisse in der KI-Technik anerkennt.

Praktisches Lernprojekt

Während des gesamten Programms werden Sie ein Portfolio von Projekten erstellen, die zeigen, dass Sie die Kursthemen beherrschen. Die praktischen Projekte vermitteln Ihnen praktische Kenntnisse über Bibliotheken für maschinelles Lernen und Deep Learning Frameworks wie SciPy, ScikitLearn, Keras, PyTorch und Tensorflow. Sie werden auch ein ausführliches Capstone-Projekt abschließen, in dem Sie Ihre KI- und Neuronale-Netzwerke-Kenntnisse auf eine reale Herausforderung anwenden und Ihre Fähigkeit, Projektergebnisse zu kommunizieren, unter Beweis stellen werden.