Von Datenpipelines bis Deployment: baue, teste und betreibe KI-Systeme mit reproduzierbaren Ergebnissen.
Alle Kurse anzeigen
Python ist die Sprache der Datenanalyse und der Künstlichen Intelligenz. In diesem praxisnahen Seminar lernen Sie Schritt für Schritt, wie Sie mit Python arbeiten, Daten effizient auswerten und erste..
Mathematik, Python und Machine Learning praxisnah verbinden, um Modelle fundiert aufzubauen
Deep Learning mit Python praxisnah lernen: von Datenaufbereitung bis TensorFlow und Keras
Lernen Sie in unserem Kurs zu Deep Learning mit Pytorch alle notwendigen Kenntnisse über das Framework Pytorch, sowie den grundlegenden Netzwerktypen bei Deep Learning, den Multilayer Perzeptrons und den..
Machine Learning bzw. Maschinelles Lernen hat in den letzten Jahren für einen regelrechten Boom gesorgt. Viele Unternehmen verwenden es inzwischen für die Lösung unterschiedlichster Probleme. Aber wofür..
Wir bieten die Kurse auch als Inhouse oder Firmenseminar an - vor Ort oder Live-Online.
Ziel dieses Seminars ist, den TeilnehmerInnen einen umfassenden Einblick in die Welt der natürlichen Sprachverarbeitung (NLP) zu vermitteln. In einer Zeit, in der die Kommunikation zwischen Mensch und Maschine..
In diesem Seminar lernst Du, wie Du mit Python und TensorFlow moderne Machine-Learning- und Deep-Learning-Modelle praxisnah umsetzt. Du verstehst das Prinzip und die Arbeitsweise künstlicher neuronaler..
In diesem Kurs erhältst du einen tiefen Einblick in die Welt der Large Language Models (LLM). Von der Auswahl der richtigen Modelle, dem Training und der Anpassung an eigene Inhalte. Auch ein Vergleich der..
Vertiefe RAG, Fine-Tuning und Evaluation für belastbare LLM-Anwendungen im Praxiseinsatz
Von RAG und Fine-Tuning bis Guardrails, Evaluation und produktionsnahen Deployments.
Automatisiere Prozesse mit Skills, Tools und sicheren Freigaben statt schwerer Flow-Builder.
Wir arbeiten direkt an euren eigenen Themen - effizient und praxisnah.
Praxisnahes n8n Seminar für KI-Agenten, Workflow-Automatisierung und produktive AI-Prozesse
KI-gestützte Softwareentwicklung mit klaren Prompts, Diffs, Tests und Review-Schleifen
Codex sicher für Programmierung, Tests und Reviews einsetzen und agentische Entwicklung kontrolliert starten
Baue Dir einen sicheren KI-Workflow mit der Claude oder Codex Alternative, ohne Vendor-Lock-in und mit sauberer Governance.
In einem Tag von Chat-Prompts zu kontrollierten Agent-Workflows für Code, Debugging, Kontext und Team-Guardrails
Richte Antigravity sauber ein, arbeite schneller mit KI-Assistenz und liefere nachvollziehbare Ergebnisse statt IDE-Chaos.
Wir helfen dir kurz weiter und empfehlen dir das passende Training.
Mit Prompting, No-Code und VibeCanvas von der Idee zum validierten MVP in 2 Tagen
Schnittstellen, Datenflüsse und Architekturentscheidungen für KI-Initiativen in gewachsenen IT-Landschaften sicher bewerten
OpenAI hat mit seiner Web-Plattform ChatGPT ein mächtiges Werkzeug geschaffen, das im IT-Bereich eine neue Produktivitätswelle auslöst, vergleichbar mit der Einführung des Internets. Statt mühsam nach..
Tauchen Sie ein in die Zukunft der Softwareentwicklung! In diesem 3-tägigen Intensivkurs lernen Java-Programmierer, wie sich moderne KI-Technologien mit Spring AI und LangChain4j nahtlos in Microservices..
LLMs gezielt für Testfälle, Testautomatisierung, Fehleranalyse und sichere KI-Workflows nutzen
Vom KI-Anwendungsfall zum belastbaren Modell: CRISP-DM, KNIME und Datenqualität praxisnah einordnen
Von E-Mail bis PDF: Du baust robuste KI-Workflows für Erfassung, Prüfung und Übergabe an ERP, CRM und DMS.
Entwickle deklarative Agents, binde Wissen ein und veröffentliche Copilot-Erweiterungen praxisnah
Das Seminar „MS-4017 – Verwalten und Erweitern von Microsoft 365 Copilot“ vermittelt Ihnen praxisnah, wie Sie Microsoft 365 Copilot als Administrator optimal implementieren, verwalten und an die Anforderungen..
ChatGPT im Content Marketing gezielt nutzen: bessere Inhalte, SEO-Workflows und klare Prompts
KI, Machine Learning und generative KI auf AWS verstehen und für Geschäftsanforderungen einordnen
Entwickle praxisnahe Gen-KI-Anwendungen mit Amazon Bedrock, RAG, LangChain und Guardrails auf AWS
Wie du Aufgaben an KI abgibst, Verantwortung behältst und dich in Richtung AI Operations, Platform Engineering und Product Ownership positionierst.
Entwerfen und Implementieren einer Azure AI-Lösung ist für Softwareentwickler gedacht, die AI-infundierte Anwendungen erstellen möchten die Azure Cognitive Services, Azure Cognitive Search und Microsoft Bot..
LLM-Anwendungen schneller prototypisieren: Transformer, HuggingFace, RAG und praxisnahe Use Cases
Entwickle stabile RAG-Architekturen mit Vektordatenbanken, messbarem Retrieval und sicherem Betrieb.
Model Context Protocol für KI-Agenten: Tools anbinden, Rechte begrenzen, Logs auswerten und Server härten
ChatGPT, Codex und OpenAI API sicher in Entwicklungsprozesse integrieren und produktiver Software liefern
KI-Features event-driven entwickeln, mit RAG, Evals und CI/CD sicher in Produktion bringen
Domänenspezifische Open-Source LLMs mit LoRA, DPO, Evaluation und Serving sicher umsetzen
AutoML praxisnah steuern: von Datenqualität und Metriken bis Erklärbarkeit, Drift und Betrieb.
Produktionsreife GenAI-Lösungen mit Amazon Bedrock, RAG, AgentCore und Guardrails umsetzen
ML-Modelle mit SageMaker, MLOps und Monitoring zuverlässig auf AWS produktionsreif machen
Baue KI-Oberflächen, die vertrauenswürdig, schnell und messbar besser sind.
Baue, betreibe und skaliere KI-Workloads über Functions, Events und Managed Services, ohne Server zu patchen oder Kapazitäten zu planen.
Baue einen belastbaren End-to-End-Flow mit Auth, Prompting, Tools, Streaming und Monitoring, ohne dich in Frameworks zu verlieren.
Baue belastbare Segmente, die KI-Teams verstehen, nutzen und messen können.
Baue Knowledge Graphs, die RAG, Empfehlungen und Betrugserkennung messbar verbessern.
Baue XAI-Checks in deine ML-Pipeline ein und liefere Erklärungen, die Fachbereiche und Audits akzeptieren.
Schütze Trainingsdaten, Modelle und Pipelines, bevor aus KI ein Compliance-Risiko wird.
Baue robuste Datenpipelines, die Training, Inferenz und Monitoring zuverlässig versorgen.
Baue Agenten, die Entscheidungen treffen, experimentieren und aus Feedback messbar besser werden.
Nutze vortrainierte Foundation Models, reduziere Trainingskosten und liefere robuste Ergebnisse mit sauberer Evaluierung und Deployment-Strategie.
Baue performante Datenpipelines für RAG, Feature Stores und Echtzeit-Inferenz mit den passenden NoSQL-Patterns.
Vom Mikrofon bis zur Antwort: robuste Pipelines, Latenz, Qualität und Datenschutz sauber gelöst.
Bringe LLMs und Automatisierung in gewachsene Systeme, ohne Stabilität, Compliance und Betrieb zu riskieren.
Baue, deploye und betreibe ein KI-Produkt mit MLOps, API und Monitoring.
Von Ticket-Flut zu verlässlichen Fixes: KI sinnvoll einsetzen, ohne Qualitätsrisiko.
Baue semantische Suche, RAG und Ranking, die in echten Datenbanken zuverlässig funktionieren.
Baue robuste APIs, Pipelines und Deployments für LLM- und ML-Workloads
Wir erstellen dir gern ein individuelles Trainingsangebot.
Keine Schulungen gefunden
Bitte passe deine Filter an.
4.8/5 aus 14 Bewertungen
Diese Kurs-Kategorie richtet sich an Entwicklerinnen und Entwickler, Data Scientists und Tech-Leads, die KI nicht nur trainieren, sondern als belastbares Software-Produkt ausliefern wollen. Im Fokus stehen End-to-End-Workflows: von Datenaufnahme und Feature Engineering über Modelltraining und Evaluation bis zur Integration in Anwendungen per API und dem Betrieb in Cloud- oder On-Prem-Umgebungen.
Sie arbeiten an praxisnahen Themen wie Python für ML, Deep Learning, LLM-Integration, Retrieval-Augmented Generation (RAG), Prompt Engineering mit Qualitätskriterien, Vektordatenbanken, MLOps/LLMOps, CI/CD für Modelle, Model Registry, Experiment Tracking, Observability, Drift-Erkennung sowie Security und Datenschutz. Ein weiterer Schwerpunkt ist die Performance- und Kostenoptimierung: Inferenz-Latenz, GPU/CPU-Auslastung, Quantisierung und Caching.
Das Ziel: Sie können robuste KI-Komponenten entwickeln, sauber versionieren, testen und so deployen, dass Teams sie langfristig betreiben können, ohne bei jedem Release die Kontrolle über Qualität, Risiken und Budget zu verlieren.
Weitere häufig gestellte Fragen und Antworten findest du in den FAQs .
Weiterbildungen in KI-Entwicklung & Programmierung richten sich an alle, die Machine Learning und Generative AI in echte Produkte überführen wollen. Viele Teams scheitern nicht am ersten Prototyp, sondern an der Strecke danach: Datenqualität, reproduzierbare Experimente, stabile Deployments, Monitoring und klare Schnittstellen zur bestehenden Software. Genau hier setzen Kurse in dieser Kategorie an.
Sie vertiefen zentrale Skills rund um Python, Datenaufbereitung, Modelltraining und Evaluation, aber auch um die Engineering-Seite: APIs, Container, Cloud-Deployments, CI/CD und automatisierte Tests. Ein Schwerpunkt liegt auf MLOps und LLMOps, damit Modelle versioniert, nachvollziehbar und auditierbar bleiben. Dazu gehören Experiment Tracking, Model Registry, Feature Stores, Observability, Drift-Erkennung und Incident-Prozesse für KI-Services.
Für Generative AI werden praxisrelevante Muster behandelt, darunter RAG, Vektordatenbanken, Embeddings, Guardrails, Prompt- und Output-Validierung sowie Evaluationsmethoden für LLMs. Ebenso wichtig: Security, Datenschutz und Compliance, etwa bei der Auswahl von Modellen, beim Umgang mit sensiblen Daten und bei der Absicherung von Inferenz-Endpunkten.
Wer eine Weiterbildung in KI-Programmierung wählt, investiert in Fähigkeiten, die in Projekten sofort zählen: robuste Datenpipelines, messbare Modellqualität, verlässliche Deployments und kontrollierbare Kosten. Damit wird aus einem Demo-Notebook ein betreibbarer Service, den Teams skalieren, warten und weiterentwickeln können.
