Praxisnah und anwendungsorientiert: Data Engineering, Machine Learning und Deep Learning
In diesem praxisorientierten 3-Tages-Seminar werden technischen Hintergründe und praktischen Fähigkeiten rund im AI vermittelt – von der effizienten Datenaufbereitung über die Implementierung von Machine-Learning-Algorithmen bis hin zum Training von Deep-Learning-Modellen. Der Fokus liegt auf der Anwendung modernster Technologien, wobei praxisorientierte Übungen einen klaren Schwerpunkt bilden. Es wird vermittelt, wie Python und gängige Tools genutzt werden, um reale Datenprobleme zu lösen und neuronale Netzwerke sowie generative KI-Modelle anzuwenden.
Für alle, die ihre Expertise in Data Science und KI auf das nächste Level heben möchten
Dieses Seminar richtet sich an Data Scientists, Business Analysten, Softwareentwickler, Wirtschaftsinformatiker, IT-Fachleute und Projektmanager im IT-Bereich, die ihre Expertise in den Bereichen Data Engineering, Machine Learning und Deep Learning vertiefen möchten. Es bietet die Gelegenheit, Fähigkeiten im Umgang mit AI-Technologien zu erweitern und das nötige Wissen zur erfolgreichen Umsetzung von AI-Projekten zu erlangen. Grundlegende Python-Kenntnisse sind erforderlich.
Datenaufbereitung, Machine Learning und Deep Learning im Detail
In diesem Seminar bekommst du Einblicke in die Grundlagen der Datenexploration, Visualisierung, Modellierung mit überwachtem und unüberwachtem Lernen, Modellbewertung und Optimierung, sowie das Trainieren und Anwenden von Neuronalen Netzen. Der Fokus liegt auf praktischer Anwendung und dem direkten Umsetzen des Erlernten.
Unsere Trainer*innen: Kompetente Leitung durch AI-Expert*innen
Die Seminarleitung übernimmt Dr. Isabel Dregely, Leiterin des Kompetenzfeldes AI & Data Analytics an der FH Technikum Wien. Sie ist eine anerkannte Expertin im Bereich Künstliche Intelligenz und Data Analytics und bringt langjährige Erfahrung aus Forschung und Lehre mit.
Seminar Fakten:
14
26. - 28. März 2025
3
9 - 17 Uhr
1.350,– exkl. MwSt.
1.620,– inkl. MwSt.
Präsenz
Deutsch
Teilnahmebestätigung
Lehrinhalte
Ein 3-tägiger Intensivkurs für alle, die ihre Expertise in den Bereichen Data Engineering, Machine Learning und Deep Learning vertiefen möchten.
- Einführung Data Engineering
- Rolle des Data Engineering im ML-Prozess
- Unterschiede zwischen Data Science, Data Engineering und ML
- Datentypen, Datenquellen, ETL-Prozesse
- Unternehmensspezifische Datenspeicherung, Datenbanken
- Python-Setup
- Exploratory Data Analysis (EDA)
- Datenakquise und Analyseprozess
- Visualisierungen (Balkendiagramme, Liniendiagramme, Boxplots)
- Visualisierungstools in Python
- Praktische Übung: EDA und Visualisierungen erstellen
- Einführung Machine Learning
- Überblick ML-Typen und Algorithmen
- ML-Anwendungen in verschiedenen Branchen
- ML-Workflow und Schlüsselbegriffe: Modell, Features, Targets, Overfitting/Underfitting
- K-Nearest Neighbors (KNN) als Beispiel
- Praktische Übung: KNN Beispiel
- Modellbewertung und Optimierung
- Performanz Metriken (MSE, MAE, Accuracy, Confusion Matrix)
- Trainings-, Testaufteilung, Cross-Validation
- Hyperparameter-Tuning (Grid Search, Random Search)
- Demo: Grid Search für KNN
- Supervised Learning I
- Lineare Regression (inkl. Ridge/Lasso Regression), Logistische Regression
- Praktische Übung: Lineare/Logistische Regression, Datenaufteilung, Performanz-Metrik berechnen
- Supervised Learning II
- Decision Trees und Ensembles (Random Forest)
- Praktische Übung:Vergleich Decision Trees und Random Forests
- Unsupervised Learning
- Clustering (K-Means) und PCA
- Praktische Übung:Clustering mit K-Means und PCA
- Feedback & Selbsttest
- Einführung Neuronale Netze
- Was ist Deep Learning und warum ist es relevant?
- Perceptron und Aktivierungsfunktionen
- Demo: Intuitives Verständnis für Neuronale Netze
- Training Neuronaler Netze
- Verlustfunktion und Optimierung
- Backpropagation und Gradientenabstieg
- Regularisierung und Hyperparameter
- Praktische Übung: Kleines neuronales Netz bauen und trainieren
- Convolutional Neural Networks (CNNs)
- CNN Theorie und Anwendungsgebiete
- Praktische Übung: CNN-Beispiel für Bildklassifizierung und -segmentierung
- Generative Modelle
- Generative Modelle: Diffusionsmodelle, Transformer, LLMs
- Praktische Übung: LLM Anwendung
- Abschlussdiskussion & Selbsttest
Zielgruppe
Data Scientists, Business Analysten, Wirtschaftsinformatiker, Softwareentwickler, IT-Fachleute, Projektmanager im IT-Bereich und alle, die ihre Kenntnisse und Fähigkeiten im Bereich der Künstlichen Intelligenz vertiefen möchten.
Voraussetzungen
Grundkenntnisse in Python sind erforderlich.
Deine Vorteile auf einen Blick
Mit diesem Seminar erlagst du tiefgehende Kenntnisse, um den gesamten Workflow einer ML- oder AI-basierten Datenanalyse zu verstehen und anzuwenden. Du lernst, wie du Daten effizient aufbereitest, Machine-Learning-Algorithmen implementierst und Deep-Learning-Modelle trainierst. Durch praxisorientierte Übungen kannst du dein Wissen direkt anwenden und im Berufsalltag integrieren. Nach Abschluss des Seminars bist du in der Lage, moderne KI-Lösungen selbstständig zu konzipieren und in der Praxis erfolgreich umzusetzen.
Deine Technikum Wien Academy
- Du & deine Karriere im Fokus
- Gute Vereinbarkeit von Beruf und Weiterbildung
- Praxisnahes Wissen aus deinem Berufsfeld
- Top-Networkingpotential mit Kommiliton*innen aus unterschiedlichen Branchen
Abschluss & Kosten
AI Academy 
Dieses Seminar ist Teil unserer Technikum AI Academy. Darin behandeln wir „all things AI“ für alle Zielgruppen und Anwendungsbereiche – vom Kurzseminar bis zum Lehrgang.
Kontakt
Koordination
Lisa Hartmann
Koordination | Seminare & Zertifizierungen
Tel.: +43 1 333 40 77 - 7548
seminar@technikum-wien.at
Themenverantwortung & Trainerin
Dr. Isabel Dregely
Kompetenzfeldleiterin Artificial Intelligence & Data Analytics
Trainer
Elias Marcon, MSc, BA
Lecturer / Researcher
Tel.: +43 1 333 40 77 - 5378
elias.marcon@technikum-wien.at
AI an der Technikum Wien Academy
Künstliche Intelligenz und Bildung: FH Technikum Wien bei Expedition KI 3.0 am Flughafen Wien
Die Veranstaltung, an der auch Lars Mehnen, Lektor und Forscher an der FH Technikum Wien, mit einem Vortrag teilnahm, zielte darauf ab, KI-Anwendungen sichtbar und zugänglich zu machen sowie Raum für Erfahrungsaustausch zu schaffen.
KI in der Forschung: Dr. Isabel Dregely zu Gast am Ludwig Boltzmann Institut
Dr. Isabel Dregely hielt am Ludwig Boltzmann Institut einen interaktiven Vortrag und Workshop, der Einblicke in den effizienten Einsatz von KI-Tools in der Forschung und den sicheren Umgang mit sensiblen Daten bot.
