Der Weg zur praktischen KI-Kompetenz
Wir haben dieses Programm für Menschen entwickelt, die künstliche Intelligenz nicht nur verstehen, sondern tatsächlich anwenden möchten. In den letzten drei Jahren haben wir gesehen, wie sich KI von einem akademischen Konzept zu einem praktischen Werkzeug gewandelt hat. Unsere Teilnehmer arbeiten nach dem Kurs mit echten Modellen, implementieren Lösungen in ihren Projekten und verstehen die Mechanismen hinter den Algorithmen.
Jetzt anmeldenWas Sie in vier Monaten erreichen
Der Kurs folgt einer klaren Struktur, die Sie vom ersten Konzept bis zur eigenständigen Projektarbeit führt. Jede Phase baut auf der vorherigen auf und gibt Ihnen Zeit, das Gelernte zu verarbeiten.
Grundlagen schaffen
Sie beginnen mit den mathematischen Konzepten, die KI-Systeme antreiben. Lineare Algebra, Wahrscheinlichkeitsrechnung und Optimierung werden nicht abstrakt behandelt, sondern direkt an praktischen Beispielen demonstriert.
Erste Modelle bauen
Nach drei Wochen implementieren Sie Ihr erstes neuronales Netzwerk. Sie trainieren Klassifikatoren, arbeiten mit realen Datensätzen und lernen, wie man Modelle evaluiert und verbessert.
Komplexe Architekturen verstehen
Convolutional Networks für Bilderkennung, rekurrente Netzwerke für Sequenzen, Transformer-Architekturen – Sie lernen, wie moderne KI-Systeme strukturiert sind und warum bestimmte Designs für spezifische Probleme funktionieren.
Eigene Lösungen entwickeln
Im finalen Projekt wählen Sie ein Problem aus Ihrem Interessengebiet. Sie konzipieren eine Lösung, implementieren sie und präsentieren die Ergebnisse. Viele Teilnehmer nutzen diese Projekte später in ihren Portfolios.
Produktionsreife erreichen
Sie lernen, wie man Modelle optimiert, in bestehende Systeme integriert und für den Produktiveinsatz vorbereitet. Themen wie Modellkompression, API-Design und Monitoring werden praktisch behandelt.
Weiterentwicklung planen
Am Ende wissen Sie, wo Sie stehen und welche Bereiche Sie vertiefen möchten. Wir geben Ihnen konkrete Empfehlungen für spezialisierte Ressourcen und zeigen Entwicklungspfade auf.
Womit Sie konkret arbeiten
Die Werkzeuge und Frameworks, die wir verwenden, sind die gleichen, die auch in der Industrie eingesetzt werden. Sie verbringen mehr Zeit mit Code als mit Folien.
-
PyTorch und TensorFlow
Sie arbeiten mit beiden großen Frameworks und verstehen ihre jeweiligen Stärken. Nach dem Kurs können Sie selbst entscheiden, welches Tool für welche Aufgabe geeignet ist.
-
Jupyter und VS Code
Für Experimente nutzen wir Jupyter Notebooks, für Produktionscode VS Code. Sie lernen, wann welche Umgebung sinnvoll ist und wie man zwischen ihnen wechselt.
-
Cloud-Plattformen
Training auf lokalen Maschinen hat Grenzen. Sie arbeiten mit Google Colab und lernen die Grundlagen von Cloud-GPU-Nutzung. Das macht größere Experimente möglich.
-
Git und Versionskontrolle
Experimente müssen nachvollziehbar sein. Sie lernen, wie man Code und Modelle versioniert, Ergebnisse dokumentiert und mit anderen zusammenarbeitet.
Wer Sie durch das Programm begleitet
Karolin Becker
Lead Instructor
Karolin hat fünf Jahre bei einem Münchner KI-Startup gearbeitet, bevor sie in die Lehre gewechselt ist. Sie kennt die Frustrationen beim Lernen aus eigener Erfahrung und strukturiert den Kurs entsprechend.
Theresa Voigt
Technical Mentor
Theresa unterstützt Sie bei den praktischen Übungen. Sie hat Erfahrung mit Computer Vision und Natural Language Processing und hilft besonders bei Debugging-Problemen.
Nora Schäfer
Project Advisor
Nora betreut die Abschlussprojekte. Sie arbeitet als freiberufliche KI-Beraterin und bringt Perspektiven aus verschiedenen Branchen ein, von Automotive bis E-Commerce.
Warum dieser Ansatz funktioniert
Viele KI-Kurse behandeln entweder nur Theorie oder nur Code. Wir glauben, dass beides zusammengehört. Ein Algorithmus macht erst Sinn, wenn man versteht, warum er so konstruiert ist. Code wird erst wertvoll, wenn man die zugrundeliegende Mathematik kennt.
- Jede Woche hat drei Sessions: Konzepte, Implementation, Review. Sie sehen Theorie und Praxis direkt nebeneinander.
- Sie arbeiten an echten Problemen, nicht an konstruierten Beispielen. Die Datensätze haben Fehler, die Modelle konvergieren nicht immer beim ersten Versuch.
- Wir nutzen kleine Gruppen von maximal 12 Personen. Das ermöglicht individuelle Unterstützung und lebendige Diskussionen.
- Der Kurs läuft über 16 Wochen mit etwa 10 Stunden Aufwand pro Woche. Das passt neben einem Vollzeitjob.
