AI Modeling

Beschreibung Kursinhalte Ausbildungsform Förderung

Kursbeschreibung

Worum es in diesem Kurs geht

Diese sechswöchige Weiterbildung führt kompakt durch die gesamte Bandbreite der Modellierung mit Künstlicher Intelligenz. Die Teilnehmenden starten mit dem Handwerkszeug – Bash-Konsole, Git und GitHub, Python mit NumPy, Pandas und Matplotlib – und führen eine erste explorative Datenanalyse samt Team-Miniprojekt durch.

Danach folgt Woche für Woche ein neuer Modelltyp, jeweils an einem realistischen Projekt erprobt: Klassifikation mit scikit-learn, Regression und Zeitreihen, fortgeschrittene Verfahren wie XGBoost und Random Forests sowie unüberwachtes Lernen mit K-Means und PCA. Den Abschluss bilden Deep Learning mit TensorFlow und Keras samt Transfer Learning für Bildklassifikation sowie moderne Sprachmodelle – von klassischem NLP über BERT und GPT bis zu eigenen KI-Agenten mit RAG und LangChain. Vorausgesetzt werden gute Python-Kenntnisse, sicherer Umgang mit Datenbanken und SQL sowie Kenntnisse in Statistik, Analysis und linearer Algebra – die Mathematik wird im Kurs angewendet, nicht neu erklärt.

Schwerpunkte

Fundament & Datenanalyse — Bash, Git und GitHub sowie Python mit NumPy, Pandas und Matplotlib – bis zur explorativen Datenanalyse mit eigenen Hypothesen.

Überwachtes Lernen — Klassifikation und Regression mit scikit-learn, Feature Engineering, Hyperparameter-Tuning, Gradientenabstieg und Schutz vor Overfitting.

Fortgeschritten & unüberwacht — Entscheidungsbäume, Random Forests, Bagging und Boosting mit XGBoost – plus K-Means, hierarchisches Clustering und PCA.

Deep Learning, NLP & Agenten — Neuronale Netze und CNNs mit TensorFlow und Keras, Transfer Learning sowie LLMs mit RAG, Fine-Tuning und LangChain.

Das Programm ist bewusst projektgetrieben aufgebaut: Jede Woche mündet in eine konkrete Anwendung – vom Vorhersagemodell über Nachfrageprognosen für Bikesharing bis zum Bildklassifikator und zum intelligenten FAQ-Bot. So entsteht in sechs Wochen nicht nur Wissen, sondern eine Reihe vorzeigbarer Arbeitsergebnisse.

Ergebnis: Nach dem Abschluss beherrschen die Teilnehmenden die gängigen Modellklassen des maschinellen Lernens, können sie an realen Datensätzen anwenden, bewerten und vergleichen – und eigene KI-Agenten auf Basis moderner Sprachmodelle entwickeln.

Inhaltsplan

Der vollständige Kursplan

Öffnen Sie die Module für die Details – oder rufen Sie den vollständigen Kursplan auf und laden Sie ihn als PDF herunter.

Vollständigen Kursplan öffnen Kursplan als PDF herunterladen

1Phase 1: Grundlagen der KI & Python für Data Science

Umgang mit der Bash-Konsole und Versionskontrolle mit Git und GitHub.
Python-Basics in Kombination mit NumPy, Pandas und Matplotlib.
Daten analysieren und visualisieren, erste Hypothesen entwickeln und eine explorative Datenanalyse durchführen – abgeschlossen mit einem Mini-Projekt im Team.

2Phase 2: Überwachtes Lernen – Klassifikation

Überblick über KI, Machine Learning und Deep Learning sowie die Grundlagen des überwachten Lernens.
Ein Klassifikationsmodell mit scikit-learn entwickeln und durch Feature Engineering und Hyperparameter-Tuning verbessern.
Modelle mit gängigen Metriken evaluieren – im Projekt ein Vorhersagemodell zur Überlebenschance auf der Titanic.

3Phase 3: Überwachtes Lernen – Regression

Mit Zeitdaten arbeiten, lineare Regression und Regularisierung einsetzen.
Methoden zur Vermeidung von Overfitting kennenlernen und den Gradientenabstieg als zentrales Lernprinzip verstehen.
Fundiert mit Python-Funktionen arbeiten – im Projekt eine reale Nachfrageprognose für Bikesharing.

4Phase 4: Advanced Machine Learning & unüberwachtes Lernen

Entscheidungsbäume, Random Forests sowie Bagging- und Boosting-Methoden wie XGBoost.
Ensemble-Techniken, Klassengleichgewicht und Modellvergleich.
Unüberwachtes Lernen mit K-Means und hierarchischem Clustering sowie PCA zur Dimensionsreduktion – angewandt auf reale Business Cases.

5Phase 5: Deep Learning & CNNs

Den Aufbau künstlicher neuronaler Netze verstehen und mit TensorFlow und Keras implementieren.
Backpropagation, Trainingsstrategien und Convolutional Neural Networks.
Mit Transfer Learning ein Bildklassifizierungsmodell auf Basis bestehender Architekturen entwickeln.

6Phase 6: NLP, LLMs & KI-Agenten

Klassische NLP-Verfahren wie Tokenisierung, TF-IDF und Sentimentanalyse.
Moderne Sprachmodelle wie BERT und GPT verstehen und einsetzen.
Mit RAG, Fine-Tuning und Bibliotheken wie LangChain eigene KI-Agenten entwickeln – etwa einen intelligenten FAQ-Bot oder ein Analysewerkzeug.

Ausbildungsform

So läuft die Weiterbildung ab

Diese Weiterbildung findet als Live-Unterricht in Vollzeit statt: montags bis freitags von 09:00 bis 18:30 Uhr, zu 100 % remote und in kleinen Gruppen. Sechs Wochen, sechs Themenblöcke – jeder mündet in ein eigenes Projekt, das gemeinsam mit den Dozentinnen und Dozenten erarbeitet und besprochen wird.

Die Weiterbildung wird vollständig auf Deutsch durchgeführt. Vorausgesetzt werden gute Python-Kenntnisse, ein sicherer Umgang mit Datenbanken und SQL sowie fundierte Kenntnisse in Statistik, Analysis und linearer Algebra.

100 % Remote

Ortsunabhängige Teilnahme – ganz ohne Reise- und Ausfallzeiten.

Vollzeit

In Vollzeit mit festen Kurszeiten – kompakt und fokussiert zum Abschluss.

Zertifikat

Abschließend erhält man ein zertifiziertes Zertifikat.

100 %

Finanziert über den Bildungsgutschein

Keine Kosten bei erfüllten Fördervoraussetzungen
Wir übernehmen die komplette Beantragung
Unverbindliche Prüfung Ihrer Förderfähigkeit

Bildungsgutschein beantragen

Für den Mittelstand gemacht

Passt perfekt zu kleinen & mittleren Unternehmen

Diese Weiterbildung entwickelt Ihre Mitarbeitenden – und damit Ihr Unternehmen: als Hebel für neue Marktchancen und nachhaltiges Wachstum.

Mitarbeiter entwickeln

Zukunftskompetenzen aufbauen, Fachkräfte binden und motivieren.

Unternehmen stärken

Effizientere Prozesse und mehr Wettbewerbsfähigkeit im Markt.

Neue Märkte erschließen

Mit neuen Kompetenzen Angebote, Kanäle und Zielgruppen erschließen.

Wachstum sichern

Nachhaltiges Wachstumspotenzial durch moderne Arbeitsweisen.

Stimmen unserer Kunden

Was unsere Kunden sagen

Die Zusammenarbeit mit IBF war jederzeit sehr professionell und zuverlässig. Besonders hervorzuheben sind die schnelle Kommunikation, die kompetente Unterstützung sowie die lösungsorientierte Arbeitsweise. Anliegen wurden stets zeitnah bearbeitet und man hat sich jederzeit gut betreut gefühlt. Vielen Dank für die angenehme Zusammenarbeit – absolut empfehlenswert!

Ozan AladagDinlok Group GmbH

Wir haben mit dem IBF Institut rund um Nic Moradi und Steven Ulbricht sehr gute Erfahrungen gemacht. Die Zusammenarbeit war von Anfang an professionell, strukturiert und gleichzeitig sehr persönlich. Die beiden haben wirklich einen starken Job gemacht und uns aktiv dabei unterstützt, die passenden Lösungen für unsere Situation zu finden. Man merkt einfach, dass hier nicht nur verkauft wird, sondern dass echtes Interesse an nachhaltigen Ergebnissen besteht.

Bruno von SperlingFinanzen mit Konzept UG

Wir arbeiten mit dem IBF – Institut für Bildungs- & Fördermanagement bereits seit einiger Zeit zusammen und sind rundum zufrieden. Die Kommunikation ist schnell, unkompliziert und vor allem lösungsorientiert. Besonders positiv sind die Zuverlässigkeit und die Flexibilität bei individuellen Anforderungen. Wir können das Institut definitiv weiterempfehlen.

Boldizsár TóthTBR GmbH & Co. KG

Kompetente Betreuung der Planungsphase für unsere Weiterbildungsmaßnahme. Sehr sympathisch und lösungsorientiert, gute Erreichbarkeit – gerne wieder.

Andre HollexTemplex Personal & Service GmbH

Hervorragende Expertise und maximale Unterstützung! Besonders beeindruckt hat uns die komplette Übernahme der Bürokratie: Die Förderprozesse wurden schnell, reibungslos und für uns völlig stressfrei abgewickelt. Die Kommunikation war jederzeit – auch am Feiertag oder am Wochenende – transparent, schnell und sehr herzlich. Wir können das IBF von ganzem Herzen empfehlen.