AI-Plattformen für Machine Learning: Serviceauswahl und Trainingsdaten

Kursüberblick

Die Weiterbildung "AI-Plattformen für Machine Learning: Serviceauswahl und Trainingsdaten" führt schrittweise in die Themen "Serviceauswahl" und "Trainingsdaten" ein und überträgt die Inhalte auf nachvollziehbare Arbeitssituationen. Für Künstliche Intelligenz werden Auswahlkriterien, Arbeitsschritte und Ergebnismerkmale festgehalten. Der Aufbau führt von den fachlichen Grundlagen über typische Arbeitsschritte bis zu dokumentierten Ergebnissen und Transferaufgaben. Der Transferteil vertieft Machine Learning und überführt die Erkenntnisse zu Künstliche Intelligenz in eine zusammenhängende Aufgabe. Als roter Faden dient die Aufgabenstellung "AI-Plattformen für Machine Learning"; sie wird aus fachlicher, methodischer und qualitätsbezogener Perspektive bearbeitet. Zwischen Machine Learning und Künstliche Intelligenz werden Gemeinsamkeiten, Unterschiede und sinnvolle Übergänge herausgearbeitet. Teilnehmende bearbeiten nachvollziehbare Praxisfälle aus KI-gestützten Arbeits- und Anwendungssituationen, vergleichen Lösungswege und halten Annahmen, Entscheidungen sowie Ergebnisse fest. Ziel ist ein strukturiertes Verständnis der im Titel beschriebenen Aufgabenfelder und ihrer Anwendung in unterschiedlichen Arbeitssituationen. Programm Zum Abschluss werden Arbeitsergebnisse aus Machine Learning reflektiert und mit den Lernzielen zu Künstliche Intelligenz abgeglichen. Die Bildungsinhalte sind in sieben aufeinander bezogene Lernabschnitte gegliedert: - Aufgabenfelder und KI-Bezug: Der Schwerpunkt "AI-Plattformen für Machine Learning" wird hinsichtlich Aufgabenrahmen, typischer Einsatzbereiche und der dafür benötigten Arbeitsschritte eingeordnet. Die Ausrichtung konkretisiert sich durch Schnittstellen, Abhängigkeiten und kontrollierte Übergänge zwischen mehreren Arbeits- oder Systembereichen. Bei der Ergebniskontrolle werden sowohl Machine Learning als auch Künstliche Intelligenz anhand nachvollziehbarer Kriterien betrachtet. - Serviceauswahl: Die Teilnehmenden ordnen Anforderungen ein, wählen ein geeignetes Vorgehen und dokumentieren die daraus entstehenden Ergebnisse. - Trainingsdaten: Anwendungsfälle werden hinsichtlich Nutzen, Datenbezug, Ergebnisqualität und verantwortlicher Nutzung eingeordnet. Bei Künstliche Intelligenz liegt der Schwerpunkt auf einem sachgerechten und nachvollziehbaren Vorgehen. - Grenzen und Verantwortung: Das Teilthema wird anhand zentraler Begriffe, typischer Arbeitsschritte und eines nachvollziehbaren Anwendungsfalls bearbeitet. - Vorgehen, Entscheidung und Dokumentation: Geeignete Arbeitsschritte werden ausgewählt, begründet und in einer strukturierten Dokumentation festgehalten. Im fachlichen Mittelpunkt stehen das Kompetenzfeld Machine Learning und der Anwendungsschwerpunkt Künstliche Intelligenz. - Kontrolle und verantwortliche Nutzung: Eingaben, Ergebnisse und menschliche Prüfschritte werden zu einem nachvollziehbaren Qualitätsprozess verbunden. - Anwendungsaufgabe und Reflexion: Ein realitätsnahes Beispiel wird geplant, umges…

Nächste Termine

• 2026-08-30T22:00:00.000Z · 2027-02-14T23:00:00.000Z · München · Combined Learning
• 2026-08-30T22:00:00.000Z · 2026-11-22T23:00:00.000Z · München · Combined Learning
• 2026-09-27T22:00:00.000Z · 2026-12-20T23:00:00.000Z · München · Combined Learning
• 2026-09-27T22:00:00.000Z · 2027-03-14T23:00:00.000Z · München · Combined Learning