Zurück
Infomaterial anfordern
Kurshandbuch
UPS-MDPAIDE
AI und Data Engineering
Inhaltsverzeichnis
  1. Künstliche Intelligenz
  2. Seminar: Künstliche Intelligenz und Gesellschaft
  3. Data Engineering
  4. Data Science
Fakten zur Weiterbildung

Weiterbildung: Einzelmodullehrgang aus Master Digitale Transformation (Quellstudiengang: 1115321c)

Kursart: Online-Vorlesung

Dauer: Vollzeit: 4 Monate / Teilzeit: 8 Monate

Wir bieten digitale Kursunterlagen an, um Ressourcen zu schonen und unseren Beitrag zum Umweltschutz zu leisten.

Niveau: Die Weiterbildung ist auf dem inhaltlichen Niveau eines Master Studiengangs.
Eine Weiterbildung auf Master-Niveau ist anspruchsvoller als auf Bachelor-Niveau. Vorhandenes Grundlagenwissen im gewählten Fachbereich ist deshalb von Vorteil.

Praxis-Austausch: Wöchentlich diskutieren Praxisexpert:innen mit Teilnehmenden aus verschiedenen Weiterbildungen aktuelle Fragestellungen, Tools und praktische Fallbeispiele in 90-minütigen Online-Veranstaltungen.

Kurs: DLMAIAI01_D
Künstliche Intelligenz
Kursbeschreibung
Die Suche nach künstlicher Intelligenz hat das Interesse der Menschheit seit vielen Jahrzehnten bewegt und wird seit den 1960er Jahren rege beforscht. Dieser Kurs gibt einen detaillierten Überblick über die historischen Entwicklungen, Erfolge und Rückschläge in der KI sowie die Entwicklung und den Einsatz von Expertensystemen in frühen KI-Systemen.
Kursinhalte
  1. Geschichte der Künstlichen Intelligenz
    1. Historische Entwicklung
    2. KI-Winter
    3. Bemerkenswerte Fortschritte auf dem Gebiet der Künstlichen Intelligenz
  2. Frühe Systeme der Künstlichen Intelligenz
    1. Überblick über Expertensysteme
    2. Einführung in Prolog
    3. Mustererkennung und maschinelles Lernen (ML)
    4. Anwendungsfälle
  3. Neurowissenschaft und Kognitionswissenschaft
    1. Neurowissenschaft und das menschliche Gehirn
    2. Kognitionswissenschaft
    3. Zusammenhänge zwischen Neurowissenschaft, Kognitionswissenschaft und Künstlicher Intelligenz
  4. Moderne KI-Systeme
    1. Neueste Entwicklungen bei Hardware und Software
    2. Enge und allgemeine Künstliche Intelligenz
    3. Sprachverarbeitung und Computer Vision
  5. Anwendungen der Künstlichen Intelligenz
    1. Mobilität und autonome Fahrzeuge
    2. Personalisierte Medizin
    3. FinTech
    4. Handel und Industrie
Fakten zum Modul

Modul: Künstliche Intelligenz (DLMAIAI_D)

Niveau: Master

Unterrichtssprache: Deutsch

Credits: 5 ECTS-Punkte
Äquivalent bei Anrechnung an der IU Internationale Hochschule.
Modulprüfung:
  • Examen, 90 Minuten
Kurse im Modul:
  • DLMAIAI01_D (Künstliche Intelligenz)
Kurs: DLMAISAIS01_D
Seminar: Künstliche Intelligenz und Gesellschaft
Kursbeschreibung
Im laufenden Jahrzehnt wurden auf dem Gebiet der künstlichen Intelligenz beeindruckende Fortschritte erzielt. Verschiedene kognitive Aufgaben wie die Objekterkennung in Bild und Video, die Verarbeitung natürlicher Sprache, die Spielstrategie und das autonome Fahren und die Robotik werden heute von Maschinen auf einem noch nie dagewesenen Niveau ausgeführt. In diesem Kurs werden einige der gesellschaftlichen, wirtschaftlichen und politischen Auswirkungen dieser Entwicklungen untersucht.
Kursinhalte
  • Das Seminar behandelt aktuelle Themen zu den gesellschaftlichen Auswirkungen der künstlichen Intelligenz. Alle Teilnehmenden erstellen eine Seminararbeit zu einem zugewiesenen Thema.
Fakten zum Modul

Modul: Seminar: Künstliche Intelligenz und Gesellschaft (DLMIMWKI1_D)

Niveau: Master

Unterrichtssprache: Deutsch

Credits: 5 ECTS-Punkte
Äquivalent bei Anrechnung an der IU Internationale Hochschule.
Modulprüfung:
  • Seminararbeit
Kurse im Modul:
  • DLMAISAIS01_D (Seminar: Künstliche Intelligenz und Gesellschaft)
Kurs: DLMDWWDE01
Data Engineering
Kursbeschreibung

Der Schwerpunkt dieses ersten Kurses im Wahlmodul Datentechnik liegt darin, den Studierenden wichtige Prinzipien, Konzepte, Methoden und Ansätze in diesem Fachgebiet näher zu bringen.

Um dieses Ziel zu erreichen, geht der Kurs von einer Darstellung der grundlegenden Prinzipien des Daten-Engineerings zu einer gründlichen Behandlung der Kernklassen der Datenverarbeitung über. Moderne Architekturparadigmen wie Microservices werden erläutert und wichtige Faktoren der Datenverwaltung und des Datenschutzes angesprochen. Aspekte des Cloud Computing werden durch einen Überblick über die gängigsten Angebote auf dem Markt vorgestellt. Schließlich wird eine hochmoderne agile Perspektive auf den Betrieb von Datenpipelines durch eine Darstellung des aufkommenden Begriffs DataOps gegeben.

Kursinhalte
  1. Grundlagen der Datensysteme
    1. Reliability (Systemzuverlässigkeit)
    2. Scalability (Skalierbarkeit)
    3. Maintainability (Instandhaltbarkeit)
  2. Skalierbare Datenverarbeitung
    1. Batch-Prozessierung
    2. Stream-Prozessierungssysteme
  3. Microservices
    1. Einführung in Monolithische Architekturen
    2. Einführung in Microservices
    3. Implementierung von Microservices
  4. Governance und Sicherheit
    1. Datenschutz
    2. Systemsicherheit
    3. Data Governance
  5. Verbreitete Cloud-Plattformen und -Dienste
    1. Amazon Web Services (AWS)
    2. Google-Cloud-Plattform (GCP)
    3. Microsoft Azure
  6. DataOps
    1. Grundlegende Prinzipien
    2. Containerisierung
    3. Aufbau von Daten- und ML-Pipelines
Fakten zum Modul

Modul: Data Engineering (DLMDWWDE1)

Niveau: Master

Unterrichtssprache: Deutsch

Credits: 5 ECTS-Punkte
Äquivalent bei Anrechnung an der IU Internationale Hochschule.
Modulprüfung:
  • Fachpräsentation
Kurse im Modul:
  • DLMDWWDE01 (Data Engineering)
Kurs: DLMDWDS01
Data Science
Kursbeschreibung
Der Kurs Data Science bietet den Rahmen, um aus Daten Wert zu schaffen. Nach einer Einführung behandelt der Kurs, wie geeignete Anwendungsfälle identifiziert und die Leistung von datengesteuerten Methoden bewertet werden. Der Kurs behandelt Techniken für die technische Verarbeitung von Daten und stellt dann fortgeschrittene mathematische Techniken und ausgewählte Methoden der künstlichen Intelligenz vor, die zur Datenanalyse und für Vorhersagen verwendet werden.
Kursinhalte
  1. Einführung Data Science
    1. Überblick über Data Science
    2. Tätigkeiten der Data Science
    3. Datenquellen
    4. Deskriptive Statistik
  2. Use Cases und Bewertung
    1. Data Science Use Cases (DSUCs)
    2. Bewertung
  3. Datenvorverarbeitung
    1. Übermittlung von Daten
    2. Datenqualität, Bereinigung und Transformation
    3. Datenvisualisierung
  4. Verarbeitung von Daten
    1. Stufen der Datenverarbeitung
    2. Methoden und Arten der Datenverarbeitung
    3. Ausgabeformate der verarbeiteten Daten
  5. Ausgewählte mathematische Techniken
    1. Hauptkomponentenanalyse
    2. Clusteranalyse
    3. Lineare Regression
    4. Zeitreihenanalyse
    5. Methoden zur Datentransformation
  6. Ausgewählte Techniken der künstlichen Intelligenz
    1. Stütz-Vektor-Maschinen
    2. Künstliche neuronale Netze
    3. Weitere Ansätze
Fakten zum Modul

Modul: Data Science (DLMDWDS)

Niveau: Master

Unterrichtssprache: Deutsch

Credits: 5 ECTS-Punkte
Äquivalent bei Anrechnung an der IU Internationale Hochschule.
Modulprüfung:
  • Examen, 90 Minuten
Kurse im Modul:
  • DLMDWDS01 (Data Science)

Jetzt Infomaterial anfordern

Schön, dass Du Deine Auswahl getroffen hast und mehr über Deine Weiterbildung bei der IU Akademie erfahren willst. Fordere jetzt Dein Infomaterial an: kostenlos und unverbindlich.
Voraussetzung für den Bildungsgutschein
Datenschutzhinweis

Ich habe die Datenschutzerklärung, sowie die Informationen zum Widerrufsrecht und zu den Verantwortlichen zur Kenntnis genommen.

* Pflichtfelder