Bitte wählen Sie die Bereiche, die Sie exportieren möchten:
Schulung KI-Tools für Data Scientists
Advanced ML-Workflows und automatisierte Data Science Pipelines
Schulungsformen
Inhouse-/Firmenschulung
- 5 Tage - anpassbar
- Termin nach Wunsch
- In Ihrem Hause oder bei der GFU
- Preis nach Angebot
- Lernumgebung in der Cloud
- Inhalte werden auf Wunsch an die Anforderungen Ihres Teams angepasst.
Beschreibung
Erfahren Sie mehr durch eine zusätzliche KI Schulung aus unserem Seminarangebot.
Schulungsziel
Data Scientists erweitern ihre Fähigkeiten um moderne AutoML-Frameworks, verstehen Large Language Models für Datenanalyse und beherrschen MLOps-Best-Practices. Das Seminar vermittelt fortgeschrittene Techniken in Neural Architecture Search, Feature Engineering Automation und Model Explainability. Teilnehmende meistern Cloud-basierte ML-Plattformen und End-to-End-Deployment-Strategien.
Details
Inhalt
- Ziele und Erwartungen der Teilnehmenden
- Klärung individueller Lernziele und Erwartungen für ein praxisnahes und relevantes Seminar
- 1. Next-Gen KI-Tools im Data Science Workflow
- Moderne Frameworks und Plattformen
- AutoML Evolution : Aktuelle Entwicklungen in automatisiertem Machine Learning und Neural Architecture Search
- LLM-Integration : Nutzung großer Sprachmodelle für Data Science Aufgaben und Code-Generierung
- Tool-Ecosystem : Überblick cutting-edge Libraries und Plattformen für produktive Data Science
- 2. Automated Feature Engineering
- Intelligente Feature-Erstellung und -Selektion
- Feature Synthesis : Automatische Generierung relevanter Features aus Rohdaten
- Feature Selection Algorithms : KI-basierte Auswahl optimaler Feature-Kombinationen
- Domain-specific Automation : Automatisierung branchenspezifischer Feature Engineering Patterns
- 3. Hyperparameter Optimization und NAS
- Automatisierte Modell-Optimierung
- Bayesian Optimization : Effiziente Hyperparameter-Suche mit modernen Frameworks
- Neural Architecture Search : Automatisches Design optimaler Netzwerkarchitekturen
- Multi-objective Optimization : Balancierung mehrerer Zielgrößen in Optimierungsprozessen
- 4. Model Explainability und Interpretability
- Verständliche und transparente ML-Modelle
- SHAP und LIME : Fortgeschrittene Techniken zur Modell-Interpretation
- Causal Inference : KI-gestützte Kausalitätsanalyse in komplexen Datensätzen
- Bias Detection : Automatisierte Identifikation von Verzerrungen in Modellen und Daten
- 5. MLOps und Model Lifecycle Management
- Produktionsreife ML-Systeme aufbauen
- CI/CD für ML : Automatisierte Pipelines für Training, Testing und Deployment
- Model Registry : Versionierung und Verwaltung von ML-Modellen in Produktionsumgebungen
- A/B Testing Infrastructure : Systematisches Testen neuer Modellversionen in Produktion
- 6. Monitoring und Model Drift Detection
- Kontinuierliche Überwachung produktiver Modelle
- Performance Monitoring : Automatische Überwachung von Modellqualität und Inferenz-Performance
- Data Drift Detection : Frühzeitige Erkennung von Veränderungen in Eingabedaten
- Automated Retraining : Intelligente Trigger für Modell-Aktualisierungen
- 7. Large Language Models für Data Science
- LLMs als Produktivitäts-Multiplikator
- Code Generation : Automatisierte Erstellung von Analyse-Code und ML-Pipelines
- Data Exploration : LLM-gestützte explorative Datenanalyse und Hypothesengenerierung
- Documentation Automation : Automatische Generierung von Dokumentation und Reports
- 8. Distributed Computing und Scalability
- Skalierbare ML-Systeme entwickeln
- Distributed Training : Effiziente Parallelisierung des Modell-Trainings
- Feature Stores : Zentrale Verwaltung und Bereitstellung von Features
- Real-time Inference : Optimierung für Echtzeit-Vorhersagen in Produktionssystemen
- 9. Ethical AI und Governance
- Verantwortungsvolle KI-Entwicklung
- Fairness Metrics : Automatisierte Bewertung von Modell-Fairness
- Privacy-preserving ML : Techniken für datenschutzkonformes maschinelles Lernen
- Model Governance : Frameworks für nachvollziehbare und regulierungskonforme ML-Entwicklung
- Praktische Übung: End-to-End ML System Implementation
- Vollständiges ML-System von Datenaufbereitung bis Deployment entwickeln
- Teams implementieren eine komplette ML-Pipeline für ein realistisches Business-Problem mit echten Datensätzen. Identische Ausgangsdaten und Business-Anforderungen gelten für alle Gruppen.
- Einsatz moderner Tools erfolgt praktisch: AutoML für Baseline-Modelle, automatisiertes Feature Engineering, Hyperparameter-Optimization für Modellverbesserung, MLOps-Pipeline für Deployment und Monitoring-System für Produktionsüberwachung. Cloud-Plattformen und State-of-the-Art-Frameworks stehen bereit.
- Jede Gruppe liefert ein produktionsreifes ML-System mit vollständiger Pipeline-Dokumentation, Model Cards und Deployment-Strategie. Präsentationen demonstrieren technische Entscheidungen, zeigen Performance-Metriken und diskutieren Trade-offs. Bewertung erfolgt nach Modellqualität, Code-Qualität, Produktionsreife und Innovation. Abschließend erstellen Teilnehmende persönliche Lernpfade für fortgeschrittene KI-Tools in ihrer Data Science Praxis.
Zielgruppe & Vorkenntnisse
Data Scientists, ML Engineers, AI Researchers und analytische Fachkräfte, die ihre Expertise um moderne AutoML-Frameworks, MLOps-Praktiken und produktionsreife ML-Systeme erweitern möchten
Ihre Schulung
In Präsenz | Online |
|---|---|
| Lernmethode | |
Ausgewogene Mischung aus Theorie und Praxis | Wie auch bei unseren Präsenz-Seminaren: Ausgewogene Mischung aus Theorie und praktischen Übungen. Trainer durchgehend präsent. |
| Unterlagen | |
Seminarunterlagen oder Fachbuch inklusive. Das Fachbuch wählt der Trainer passend zum Seminar aus - Ihren individuellen Buch-Wunsch berücksichtigen wir auf Nachfrage gerne. | Seminarunterlagen oder Fachbuch inklusive (via DHL). Das Fachbuch wählt der Trainer passend zum Seminar aus - Ihren individuellen Buch-Wunsch berücksichtigen wir auf Nachfrage gerne. |
| Arbeitsplatz | |
|
|
| Lernumgebung | |
Neu aufgesetzte Remote-Systeme für jeden Kurs in Abstimmung mit dem Seminarleiter, sodass Sie über ein perfektes Setup für die Durchführung aller praktischen Übungen verfügen. | |
| Arbeitsmaterialien | |
Din A4 Block, Notizblock, Kugelschreiber, USB-Stick, Textmarker, Post-its | |
| Teilnahmezertifikat | |
Das Teilnahmezertifikat inkl. Inhaltsverzeichnis wird Ihnen am Ende des Seminars ausgehändigt. | Das Teilnahmezertifikat inkl. Inhaltsverzeichnis wird Ihnen via DHL zugesandt. |
Organisation
In Präsenz | Online | |
|---|---|---|
| Teilnehmendenzahl | ||
min. 1, max. 8 Personen | ||
| Garantierte Durchführung * | ||
Ab 1 Teilnehmenden | ||
| Schulungszeiten | ||
| ||
| Ort der Schulung | ||
 GFU SchulungszentrumAm Grauen Stein 27 51105 Köln-Deutz oder online im Virtual Classroom oder europaweit bei Ihnen als Inhouse-Schulung Um ein optimales Raumklima zu gewährleisten, haben wir das Schulungszentrum mit 17 hochmodernen Trotec TAC V+ Luftreinigern ausgestattet. Diese innovative Filtertechnologie (H14 zertifiziert nach DIN EN1822) sorgt dafür, dass die Raumluft mehrfach pro Stunde umgewälzt wird und Schadstoffe zu 99.995% im HEPA-Filter abgeschieden und infektiöse Aerosole abgetötet werden. Zusätzlich sind alle Räume mit CO2-Ampeln ausgestattet, um jederzeit eine hervorragende Luftqualität sicherzustellen. | ||
| Räumlichkeiten | ||
Helle und modern ausgestattete Räume mit perfekter Infrastruktur | Bequem aus dem Homeoffice von überall | |
| All-Inclusive | ||
Frühstück, Snacks und Getränke ganztägig, Mittagessen im eigenen Restaurant, täglich 6 Menüs, auch vegetarisch | Eine Auswahl unserer Frühstücks-Snacks und Nervennahrungs-Highlights senden wir Ihnen mit den Seminarunterlagen via DHL zu. | |
| Barrierefreiheit | ||
Das GFU-Schulungszentrum (Am Grauen Stein 27) ist barrierefrei | - | |
Kostenfreie Services
In Präsenz | Online |
|---|---|
|
|
Buchungsmöglichkeiten
Online oder in Präsenz teilnehmen
Sie können sowohl Online als auch in Präsenz am Seminar teilnehmen. Klicken Sie bei Ihrer Buchung oder Anfrage einfach die entsprechende Option an.
- Lernumgebung in der Cloud
- Inhalte werden auf Wunsch an die Anforderungen Ihres Teams angepasst.
Was bedeutet Offene Schulung und Inhouse Schulung?
Bei einer offenen Schulung stehen Ort und Termin vorab fest. Jeder Interessent kann eine offene Schulung buchen, daher treffen Teilnehmer aus verschiedenen Unternehmen aufeinander.
Inhouse Schulungen können auf Ihren individuellen Schulungsbedarf zugeschnitten werden. Sie bestimmen den Teilnehmerkreis, Termin und Schulungsort.
Ist eine Inhouse Schulung die richtige Wahl?
Bei einer Inhouse Schulung gehen wir auf die individuellen Bedürfnisse Ihres Unternehmens ein und decken den Schulungsbedarf direkt bei Ihnen im Unternehmen ab.
Das spart Zeit und Geld und sorgt für einen schnellen Wissenstransfer Ihrer Mitarbeiter.
Wer kümmert sich um die Technik bei Inhouse Schulungen?
Eine komplette Lernumgebung in der Cloud mit Remote Zugriff ist für uns selbstverständlich. Sie müssen sich um nichts kümmern. Lediglich ein funktionierender PC oder Notebook mit Internetanschluss sollte für jeden Teilnehmer am Schulungstag bereit stehen.
Vorteile einer Inhouse Schulung
- Kompetente Seminarberatung
- Dozenten aus der Praxis
- Auf Ihre Bedürfnisse zugeschnittener individueller Lernstoff
- Sie können den Termin flexibel gestalten, so wie es für Sie am besten passt
- Unsere Inhouse Schulungen können Europaweit durchgeführt werden
- Der Fokus liegt auf Ihrem Schulungsbedarf, somit schonen Sie Ihr Budget
- Wissenslücken Ihrer Mitarbeitet werden schnell geschlossen