Bereiten Sie sich auf ihre Karriere als IT-Expertin bzw. IT-Experte vor!

Künstliche Intelligenz (Januar 2026 – Juni 2026)

Der Bereich KI basiert auf der Programmiersprache Python und umfasst als Schwerpunkte die Anwendungsbereiche Data Science und Generative KI. Die neun Module sind:

1. Python Grundlagen: Verständnis von Programmen mittlerer Komplexität, Entwicklung einfacher Programme, Erstellung von Programmfunktionen, Kenntnisse in den grundlegenden Programmierkonzepten: Datentypen und Kontrollstrukturen, Sequenzen, Mengen und Dictionaries.
2. Python Datenstrukturen: Fortgeschrittene Konzepte der Python-Programmierung: Einführung in die objektorientierte Programmierung mit Python, einschließlich der Grundkonzepte wie Vererbung, Polymorphismus und Ausnahmebehandlung, Erstellung und Strukturierung von Modulen sowie grundlegende Techniken der Datenverarbeitung.
3. Objektorientierung und Computational Thinking in Python: Fundierte Kenntnisse in objektorientierter Programmierung (z. B. Kapselung, Vererbung, Polymorphismus) und Einführung in Python-Bibliotheken wie Pandas und NumPy. Behandlung von Zeitreihen, linearer Regression, Rekursion sowie Algorithmen unter Big-O-Notation.
4. Agiles Projektmanagement, Versionierung: Grundlagen des agilen Projektmanagements, insbesondere Scrum und Kanban, zur flexiblen Planung und Umsetzung von Projekten. Anwendung von Versionierungssystemen wie Git zur effektiven Code-verwaltung, Nutzung von Branches, Pull Requests und Konfliktlösung zur Teamarbeit und Sicherstel-lung der Code-Integrität.
5. Machine Learning: Grundlagen des agilen Projektmanagements, Scrum und Kanban, Anwendung von Versionierungssystemen wie Git, Nutzung von Branches, Pull Requests und Konfliktlösung zur Teamarbeit und Sicherstellung der Code-Integrität.
6. Deep Learning: Deep Learning mit PyTorch bietet eine praxisnahe Einführung in neuronale Netze. Neben Feedforward-Netzen werden CNNs für Bildklassifikation und RNNs für sequenzielle Daten behandelt. Zudem wird das Fine-Tuning vortrainierter Modelle angewendet. Ein Abschlussprojekt ermöglicht die praktische Umsetzung.
7. Generative KI I: ML-Techniken mit NumPy, pandas und scikit-learn, lineare und logistische Regression, Random Forests, PCA zur Dimensionsreduktion. Praxisprojekt.
8. Generative KI II: T Fine-Tuning von LLMs, PEFT, RAG, KI-Agenten mit LangChain, Vision-Language-Modelle, Gradio-UIs, Deployment auf HF Spaces. Praxisprojekt.
9. Agiles Programmierprojekt KI: Planung und Umsetzung eines agilen KI Programmierprojekts: Entwicklung einer vollständigen KI-Anwendung von der Konzeption bis zur Bereitstellung und Verwendung von agilen Methoden wie Scrum oder Kanban. Förderung von Teamarbeit und -kompetenz durch die Umsetzung eines Gruppenprojekts.