StudySmarter

Angewandte KI mit Python

Laut Katalog dauert der Kurs bis 1 Woche und kostet 1.000–5.000 €. Du lernst in der Lernform Seminar. Anbieter ist GFU Cyrus AG.

Förderung prüfen

1.097 weitere Kurse vergleichen

01 · Der Kurs

Der Kurs läuft mit 4 Terminen an 2 Orten

Auf einen Blick

LERNUMFANG
bis 1 Woche
KATALOGPREIS
1.000–5.000 €
LERNORT
Köln
NÄCHSTER START
14.12.2026
LERNFORM
Seminar

Passt der Kurs zu dir?

  1. 1
    Für das PCAP-Zertifikat gibt es keine formale Voraussetzung, das Python Institute empfiehlt aber vorher die Einstiegsprüfung PCEP.
  2. 2
    Schulmathematik bis zu Prozentrechnung und Funktionen, wenn du in Richtung Datenanalyse oder Machine Learning gehst.
  3. 3
    Ein Rechner, auf dem du Python, einen Code-Editor und Zusatzpakete selbst installieren darfst.

Das lernst du

  • Einführung in Künstliche Intelligenz (AI) und ihre Anwendungen
  • Eine Einführung in die Konzepte der Künstlichen Intelligenz, einschließlich Maschinellem Lernen (ML), Deep Learning und Neuronalen Netzwerken
  • . Die Teilnehmer erhalten einen Überblick über die wichtigsten Anwendungsbereiche von AI wie Bildverarbeitung
  • , Spracherkennung und Automatisierung
  • Anwendungsbereiche von AI: Beispiele für AI in der Praxis, wie in den Bereichen Finanzen
  • , Gesundheitswesen
  • , Logistik und Kundendienst
  • . Besondere Betonung auf die Automatisierung von Aufgaben und die Verbesserung von Entscheidungsprozessen durch AI.
  • Unterschiede zwischen Supervised
  • , Unsupervised und Reinforcement Learning
  • : Ein Überblick über die verschiedenen Arten von Machine-Learning-Algorithmen und ihre spezifischen Einsatzgebiete in der Praxis.
  • Implementierung von Künstlicher Intelligenz in Python
  • Einführung in Python für AI: Warum Python die bevorzugte Sprache für AI-Entwicklung ist. Überblick über wichtige Bibliotheken wie NumPy
  • , Matplotlib und Scikit-learn für Datenanalyse und Visualisierung.
  • Grundlagen des Maschinellen Lernens mit Python: Einführung in Scikit-learn zur Implementierung von Algorithmen wie Linearer Regression
  • , K-Nearest Neighbors (KNN) und Support Vector Machines (SVM)
  • Datenvorverarbeitung und Feature Engineering: Wie man Daten bereinigt, normalisiert und relevante Merkmale extrahiert, um die Leistung von AI-Modellen zu verbessern.
  • Praxisübung 1: Implementierung eines einfachen Machine-Learning-Modells
  • Ziel der Übung: Die Teilnehmer implementieren ein einfaches Machine-Learning-Modell von Grund auf und trainieren es mit einem Beispiel-Datensatz.
  • Projektbeschreibung: Entwicklung eines Modells zur Vorhersage von Hauspreisen basierend auf einem Beispiel-Datensatz. Die Teilnehmer lernen, Daten zu laden, zu analysieren, zu trainieren und zu testen.
  • Tools: Python
  • , Scikit-learn
  • , Matplotlib
  • Ergebnisse: Die Teilnehmer haben ein funktionsfähiges Machine-Learning-Modell erstellt und dessen Vorhersagen getestet.
  • Einführung in Neuronale Netzwerke und Deep Learning
  • Grundlagen neuronaler Netzwerke: Erläuterung der Funktionsweise von Künstlichen Neuronalen Netzwerken (ANNs), inklusive der Forward Propagation und Backpropagation
  • Einführung in TensorFlow und Keras
  • : Verwendung dieser Frameworks zur Implementierung von Deep-Learning-Modellen. Grundlagen des Modellaufbaus, Aktivierungsfunktionen und Optimierungsalgorithmen.
  • Convolutional Neural Networks (CNNs) für Bildverarbeitung: Erklärung von CNNs und deren Anwendung in der Bildverarbeitung
  • , einschließlich Bildklassifikation und Objekterkennung.
  • Reinforcement Learning und seine Anwendung
  • Einführung in Reinforcement Learning: Grundprinzipien von Belohnung und Bestrafung
  • , die ein Modell durch Interaktionen mit der Umgebung lernt.
  • Grundlegende Algorithmen des Reinforcement Learnings: Implementierung von Q-Learning und Deep Q-Networks (DQN) in Python.
  • Beispiele für Reinforcement Learning in der Praxis: Einsatzmöglichkeiten in Robotik
  • , Spielen und autonomen Systemen
  • Praxisübung 2: Entwicklung eines neuronalen Netzwerks zur Bildklassifikation
  • Ziel der Übung: Die Teilnehmer erstellen ein Convolutional Neural Network (CNN) zur Klassifikation von Bildern und trainieren das Modell mit einem Bilddatensatz.
  • Projektbeschreibung: Entwicklung eines Modells, das den MNIST-Datensatz zur Klassifikation von handgeschriebenen Ziffern verwendet.
  • Tools: TensorFlow
  • Ergebnisse: Die Teilnehmer haben ein funktionierendes neuronales Netzwerk entwickelt, das in der Lage ist, Ziffern aus Bildern zu erkennen und zu klassifizieren.
  • Optimierung und Evaluierung von AI-Modellen
  • Modelloptimierung und Hyperparameter-Tuning: Einführung in Grid Search
  • , Random Search und andere Techniken, um AI-Modelle durch Optimierung von Hyperparametern zu verbessern.
  • Modellbewertung und Cross-Validation: Verwendung von Train-Test-Split
  • , Kreuzvalidierung und Metriken wie Accuracy
  • , Precision
  • , Recall und F1-Score
  • , um die Leistung eines Modells zu messen und zu verbessern.
  • Umgang mit Überanpassung (Overfitting): Techniken wie Regularisierung
  • , Dropout und Datenaugmentation
  • , um zu verhindern, dass ein Modell zu stark an den Trainingsdaten angepasst wird.
  • Bereitstellung und Einsatz von AI-Modellen
  • Bereitstellung von AI-Modellen: Einführung in die Bereitstellung von Machine-Learning-Modellen in Produktionsumgebungen mit Tools wie Flask
  • , FastAPI oder Docker
  • Skalierung von AI-Modellen: Einsatz von Cloud-Diensten wie AWS
  • , Google Cloud oder Microsoft Azure
  • , um AI-Modelle zu skalieren und in verschiedenen Anwendungsfällen zu nutzen.
  • Modelle in Web- und Mobilanwendungen integrieren: Wie man AI-Modelle in Webanwendungen
  • , Mobile Apps und andere Systeme integriert, um sie benutzerfreundlich zu machen.

Der Kurs

Ablauf, Termine und Lernort

  1. 1

    Köln

    14.12.2026 · Seminar · Vollzeit · bis 1 Woche · 1.000–5.000 €

  2. 2

    Online

    14.12.2026 · Online-Seminar · Vollzeit · bis 1 Woche · 1.000–5.000 €

  3. 3

    Köln

    01.03.2027 · Seminar · Vollzeit · bis 1 Woche · 1.000–5.000 €

  4. 4

    Online

    01.03.2027 · Online-Seminar · Vollzeit · bis 1 Woche · 1.000–5.000 €

02 · Kosten & Förderung

Kursgebühr 1.000–5.000 €, mit bewilligtem Bildungsgutschein 0 €

Dieser Kurs ist im Katalog als förderfähig gekennzeichnet.

Förderwege

Wer deinen Kurs zahlt

FÖRDERUNGBildungsgutschein: Voraussetzungen und Ablauf→FÖRDERUNGAufstiegs-BAföG→FÖRDERUNGAVGS oder Bildungsgutschein→FÖRDERUNGAlle Förderwege im Vergleich→FÖRDERUNGFörderung für Python-Programmierung→

03 · Verdienst

3 Schritte vom Kurs in den Beruf

Was dir die Qualifikation beruflich bringt

  1. 1

    Routinearbeit per Skript erledigen

    Mit wenigen Zeilen Python benennst du Dateien um, liest Excel-Tabellen ein oder holst Daten aus Schnittstellen. Solche Skripte laufen später zeitgesteuert, ohne dass jemand sie anstößt. Beispiel: Du schreibst ein Skript, das jeden Morgen die Bestellungen aus dem Shop-Export zusammenführt.

  2. 2

    Daten mit Pandas aufbereiten

    Pandas-Kurse zeigen, wie du Tabellen filterst, gruppierst, verknüpfst und bereinigst. Das ist der Schritt vor jeder Auswertung und jedem Modell. Beispiel: Du bereinigst eine Kundenliste mit doppelten Einträgen und uneinheitlich geschriebenen Ortsnamen.

  3. 3

    Eigene Anwendungen bauen

    Objektorientierung, Module und Tests bilden die Grundlage für größere Programme und Webanwendungen mit Django oder Flask. Mit dem PCAP weist du Kenntnisse in Modulen und Paketen, Ausnahmebehandlung, Dateiverarbeitung und Objektorientierung nach. Beispiel: Du entwickelst ein kleines Buchungstool für Besprechungsräume mit Django und schreibst Tests dazu.

04 · Anbieter

GFU Cyrus AG: 66 Kurse mit aktuellem Termin an 1 Ort

66Kurse mit aktuellem Termin
1Angebotsort

66 Kurse mit aktuellem Termin in unserem Vergleich. Lernformen: Online-Seminar, Seminar.

Angebote an 1 Ort; in der Kurssuche wählst du den Lernort und Termin bei GFU Cyrus AG.

Themen

Python-ProgrammierungKI & Machine LearningSoftwareentwicklerDatenbanken & SQLCloud Computing

05 · Kurse

1.097 Kurse zum Vergleich

Für eine gute Wahl reichen zwei oder drei der 1.097 Kurse mit gleichem Ziel, die du Punkt für Punkt nebeneinanderlegst.

1.097 Kurse zum Vergleich.

1.097Kurse
Kryptografie & PythonvelpTEC GmbH · München · Blended Learning
  • 1.000–5.000 €
  • Vollzeit
  • 1–3 Monate
  • Start ab 05.10.2026
Zum Kurs
Cybersecurity mit PythonvelpTEC GmbH · Online · Virtuelles Klassenzimmer
  • 1.000–5.000 €
  • Vollzeit
  • 1–3 Monate
  • Start ab 05.10.2026
Zum Kurs
Kläre deinen persönlichen Kursstart

Häufige Fragen

3 Fragen, kurz beantwortet

Kläre deinen persönlichen Kursstart (1.097 Kurse)

Preis, Dauer und nächster Start der 1.097 Kurse im direkten Vergleich.

Angebote dieses Anbieters
Redaktion StudySmarter WeiterbildungAktualisiert am 01.10.2026 · So rechnen wir