Machine Learning mit Azure KI: Trainingsdaten und KI-Dienste

Kursüberblick

Die Weiterbildung "Machine Learning mit Azure KI: Trainingsdaten und KI-Dienste" verbindet fachliche Grundlagen mit anwendungsbezogenen Übungen zu den Themen "Trainingsdaten" und "KI-Dienste". Anhand beruflicher Situationen wird geprüft, wie Azure AI einzuordnen ist und welche Rolle Machine Learning dabei übernimmt. Der Aufbau führt von den fachlichen Grundlagen über typische Arbeitsschritte bis zu dokumentierten Ergebnissen und Transferaufgaben. Die Übungen vertiefen Azure AI anhand eines nachvollziehbaren Praxisfalls. Als roter Faden dient die Aufgabenstellung "Machine Learning mit Azure KI"; sie wird aus fachlicher, methodischer und qualitätsbezogener Perspektive bearbeitet. Dokumentierte Ergebnisse zeigen, wie Azure AI und Machine Learning im jeweiligen Aufgabenfeld zusammenwirken. 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 Für Azure AI werden Auswahlkriterien, Arbeitsschritte und Ergebnismerkmale festgehalten. Die Bildungsinhalte sind in sieben aufeinander bezogene Lernabschnitte gegliedert: - Anwendungsszenarien und Rahmenbedingungen: Der Schwerpunkt "Machine Learning mit Azure KI" wird hinsichtlich Aufgabenrahmen, typischer Einsatzbereiche und der dafür benötigten Arbeitsschritte eingeordnet. Die Ausrichtung konkretisiert sich durch die Auswahl geeigneter Ressourcen, Bereitstellung, Zugriffe, Überwachung und betriebliche Auswirkungen. Der Transferteil vertieft Azure AI und überführt die Erkenntnisse zu Machine Learning in eine zusammenhängende Aufgabe. - Trainingsdaten: Anwendungsfälle werden hinsichtlich Nutzen, Datenbezug, Ergebnisqualität und verantwortlicher Nutzung eingeordnet. Ein eigener Lernschritt ordnet Azure AI in den beruflichen Aufgabenrahmen ein. - KI-Dienste: Einsatzmöglichkeiten werden anhand klarer Aufgaben beschrieben; Eingaben, Ausgaben, Grenzen und Kontrollschritte werden gemeinsam betrachtet. - Ergebnisprüfung: Qualitätskriterien und Testfälle werden festgelegt; Abweichungen werden bewertet und geeignete Verbesserungen abgeleitet. Bei der Ergebniskontrolle werden sowohl Azure AI als auch Machine Learning anhand nachvollziehbarer Kriterien betrachtet. - Vorgehen, Entscheidung und Dokumentation: Geeignete Arbeitsschritte werden ausgewählt, begründet und in einer strukturierten Dokumentation festgehalten. - Ergebnisqualität, Grenzen und Verantwortung: Ausgaben werden auf Plausibilität, Nachvollziehbarkeit und mögliche Fehler geprüft; Grenzen des Einsatzes werden dokumentiert. Für die Praxisfälle werden Kenntnisse zu Azure AI aufgebaut und mit fachlichen Bezügen zu Machine Learning verknüpft. - Dokumentiertes Abschlussbeispiel: Die erworbenen Kenntnisse werden in einer vollständigen Aufgabe zusammengeführt und mit Arbeitsschritt…

Nächste Termine

• 2026-08-23T22:00:00.000Z · 2026-11-15T23:00:00.000Z · München · Combined Learning
• 2026-08-23T22:00:00.000Z · 2027-02-07T23:00:00.000Z · München · Combined Learning
• 2026-09-20T22:00:00.000Z · 2026-12-13T23:00:00.000Z · München · Combined Learning
• 2026-09-20T22:00:00.000Z · 2027-03-07T23:00:00.000Z · München · Combined Learning