Applied Artificial Intelligence

Der 3-tägige Zertifikatskurs setzt sich aus den folgenden drei Veranstaltungen zusammen:

Grundlagen der KI:

• Definitionen und Sichtweisen
• Historische Entwicklung
• Ein Streifzug durch die KI-Disziplinen
• Anwendungsbereiche
• Gesellschaftliche und ethische Betrachtung

Technische Aspekte einer KI-Anwendung:

• Komponenten einer KI-basierten Lösung
• Machine-Learning-Modelle (ML-Modelle) als zentraler Baustein moderner KI-Anwendungen
• MLOPs / Lebenszyklus-Management von ML-Modellen
  
  

Organisatorische Aspekte einer KI-Anwendung:

• KI-Projekt-Lebenszyklus
• Anforderungserhebung und Planung
• Ressourcenplanung / Datenbeschaffung
• Qualitätssicherung und Governance
• Risikobewertung

Diese Veranstaltung bietet eine grundlegende Einführung in maschinelles Lernen (ML) mit einem Fokus auf Supervised und Unsupervised Learning. Es werden Konzepte, Vorgehensweisen, Methoden und Werkzeuge vorgestellt, die für das Verständnis und die Anwendung von ML essenziell sind. Der Fokus liegt auf bekannten und häufig eingesetzten Modellen und Lernverfahren. Durch die begleitende Erprobung der vorstellten Verfahren anhand konkreter Anwendungsfälle entwickeln die Teilnehmenden ein tiefgreifendes Verständnis für ML-Technologien, deren Umsetzung und Anwendung sowie kritische Reflexion der Ergebnisse.

Grundlagen des maschinellen Lernens:

• Definition, Geschichte und Aufgabentypen
• Lernparadigmen: Supervised, Unsupervised, Reinforcement Learning, Mischformen
• Lernen aus Daten: Modellrepräsentation, Evaluierung, Optimierung
• Konzepte: Gütemaße für die Evaluierung, Overfitting, Underfitting, Kreuzvalidierung

Data Engineering:

• Rekapitulation Techniken zur Datenaufbereitung und zur explorativen Datenanalyse aus M6.2 und M6.3
• Datenbereinigung, Umgang mit fehlenden Werten, Skalierung, Normierung
• Merkmalsauswahl (Feature Selection), Merkmalserzeugung (Feature Engineering)

Überwachtes Lernen:

• Aufgabentypen: Klassifikation, Regression
• Vertiefung Klassifikation: k-NN, Entscheidungsbäume, Random Forest, XGBoost
• Vertiefung Regression: Lineare Regression, Regularisierung

Unüberwachtes Lernen:

• Clusteranalyse: Ausgewählte Verfahren
• Anomalieerkennung: Ausgewählte Verfahren 

Einführung in neuronale Netze – Vom Perceptron zum Deep Learning:

• Das Perceptron
• Aktivierungsfunktionen
• Mehrschichtige vorwärtsgerichtete Netze
• Wie lernt ein neuronales Netz?
• Backpropagation
  
  

Deep-Learning-Architektur-Bausteine:

• Feed-Forward Neural Networks
• Convolutional Neural Networks
• Recurrent Neuronal Networks
• Encoder-Decoder-Architekturen
• Transformer-Modelle
• Attention-Mechanismen
• Architektur-Kombinationen

Deep-Learning-Anwendungen:

• Computer Vision
• Natural Language Processing
• Generative AI und Sprachmodelle
• Herausforderungen und Erfolgsfaktore

• Hochschulabschluss:
  Sie haben ein abgeschlossenes Studium auf Bachelor-Niveau mit mindestens 180 ECTS.
• Berufserfahrung:
  Sie haben mindestens ein Jahr Berufserfahrung und befinden sich idealerweise in einem Arbeitsverhältnis.
• Vorkenntnisse:
  Grundlagenkenntnisse im Bereich Data Science (vgl. dazu Inhalte des Zertifikatskurses "Data Science")
  ODER Teilnahme am Zertifikatskurs "Data Science"
• Vorbereitungsaufgaben:
  Vor Kursbeginn erhalten Sie von uns ein sog. Pre-Assignment (Vorbereitungsaufgaben). Diese sollten bis zum Veranstaltungsbeginn zu Hause im Selbststudium erarbeitet werden. Weitere Informationen siehe "Ablauf und Termine".
  
  

Sie sind sich unsicher, ob Sie die Zulassungsvoraussetzungen erfüllen? Kontaktieren Sie uns bitte jederzeit.

Kursgebühr:
1.400 € insgesamt

Reduzierte Kursgebühr mit ESF-Förderung:
980 € insgesamt (bis 55 Jahre)
420 € insgesamt (ab 55 Jahre)

Wenn Sie zur förderfähigen Zielgruppe gehören, dann erhalten Sie die reduzierte Kursgebühr, finanziert durch das Ministerium für Wirtschaft, Arbeit und Tourismus Baden-Württemberg im Rahmen des Europäischen Sozialfonds (ESF) der Europäischen Union.

• Zielgruppenabfrage:
  Mit dieser Excel-Tabelle können Sie prüfen, ob Sie zu den Zielgruppen gehören, die die ESF-Förderung auf die Kursgebühr erhalten. Für die Beantragung der ESF-Förderung schicken Sie uns die ausgefüllte Zielgruppenabfrage bitte zu.
• Teilnahmefragebogen:
  Bitte schicken Sie uns für die Antragstellung auch den ausgefüllten Teilnahmefragebogen zu.
  Bitte lesen Sie hierzu auch die "Information der Teilnehmenden zur Datenerhebung und -verarbeitung".
  
  

Für die Antragstellung benötigen wir von Ihnen den Teilnahmevertrag (diesen schicken wir Ihnen nach Ihrer Kursanmeldung über das Anmeldeformular zu) sowie die beiden vollständig ausgefüllten Formulare (Zielgruppenabfrage und Teilnahmefragebogen). Bitte senden Sie die beiden Formulare digital unterschrieben per Mail an andrea.sieling@hs-heilbronn.de. Bei unvollständigen Daten ist eine finanzielle Förderung nicht möglich. Bitte beachten Sie, dass uns diese Unterlagen vor Kursbeginn vollständig vorliegen müssen. Nach Beginn des Kurses können keine Anträge mehr angenommen werden.

Nach Beendigung des Kurses benötigen wir außerdem noch den Fragebogen nach Kursende und die Selbsterklärung für Teilnahme an virtuellen Schulungen (falls es sich um einen Online-Kurs handelt) von Ihnen. Beide Dokumente erhalten Sie rechtzeitig per Mail von uns.

Der Zertifikatskurs findet als dreitägige Blockveranstaltung von Donnerstag, 05. bis Samstag, 07. Juni 2025 jeweils von 08.30 - 18.00 Uhr in Präsenz an der Hochschule Heilbronn am Bildungscampus statt.

Ca. 3 Wochen vor Beginn des Kurses erhalten alle Teilnehmenden Vorbereitungsaufgaben (sog. Pre-Assignments) zur Vorbereitung auf die Präsenzveranstaltungen. Diese sollten bis zum Veranstaltungsbeginn zu Hause im Selbststudium erarbeitet werden.

Die Prüfung findet am Freitag, 11. Juli 2025 von 14.00-18.30 Uhr in Form einer Präsentation (Einzel- oder Gruppenarbeit) statt.

Nach Beendigung des Zertifikatskurses und Bestehen der Prüfung erhalten die Teilnehmenden das Zertifikat "Microcredential" der Hochschule Heilbronn mit Angabe der ECTS-Punkte. Diese können auf den berufsbegleitenden MBA-Studiengang "Wirtschaftsinformatik - Digitale Transformation" angerechnet werden. Bei Interesse kontaktieren Sie uns bitte.

Wenn Sie keine Prüfung ablegen möchten, dann erhalten Sie nach Beendigung des Kurses eine Teilnahmebescheinigung (ohne ECTS-Angabe).