fbpx

Ziele des Kurses

Sie verstehen die Bedeutung von Künstlicher Intelligenz zur Automatisierung und Unterstützung von Aufgaben und Prozessen im datengetriebenen Unternehmen und deren Auswirkung auf den in einem Unternehmen arbeitenden Menschen und die Gesellschaft.

Sie kennen die Bedeutung eines ganzheitlichen KI-Projekt-Lebenszyklus und des Lebenszyklus-Managements von Machine-Learning-Modellen.

Sie lernen KI-Anwendungen zu konzipieren, umzusetzen und sowohl aus technischer als auch aus betriebswirtschaftlicher Perspektive zu bewerten und schätzen die gesellschaftlichen und ethischen Auswirkungen ein.

Die gängigen Machine-Learning-Verfahren und Deep-Learning-Ansätze für die verschiedenen Aufgabentypen und Anwendungsszenarien sind Ihnen bekannt und Sie können die Funktionsweise und Herausforderungen beschreiben.

Zielgruppen

Fach- und Führungskräfte mit IT- und/oder BWL-Hintergrund, die die Funktionsweise moderner KI-Anwendungen auf Basis von Machine und Deep Learning verstehen und eigene Anwendungen (insbesondere auf Basis von Machine und Deep Learning) selbst gestalten und realisieren möchten.

Das Wichtigste auf einen Blick

Abschluss

Zertifikat "Microcredential"
der Hochschule Heilbronn

Niveau

Master (DQR-Level 7)

Credit Points

5 ECTS

Fachrichtung

Wirtschaftsinformatik - Digitale Transformation

Sprache

Deutsch

Kursgebühren

1.400 € insgesamt
(980 € mit ESF-Förderung)

Workload

3 Tage von 08.30-18.00 Uhr zzgl. Selbststudium und Prüfung

Lernformat

Präsenz & Online

Prüfung

Präsentation in Einzel- oder
Gruppenarbeit

Veranstaltungsort

Hochschule Heilbronn, Bildungscampus

Termine

05.-07. Juni 2025
Präsentation: 11. Juli 2025

Anmeldeschluss

08. Mai 2025

Inhalt

Der 3-tägige Zertifikatskurs setzt sich aus den folgenden drei Veranstaltungen zusammen:

 

Grundlagen der KI:

  • Definitionen und Sichtweisen
  • Historische Entwicklung
  • Ein Streifzug durch die KI-Disziplinen
  • Anwendungsbereiche
  • Gesellschaftliche und ethische Betrachtung

Technische Aspekte einer KI-Anwendung:

  • Komponenten einer KI-basierten Lösung
  • Machine-Learning-Modelle (ML-Modelle) als zentraler Baustein moderner KI-Anwendungen
  • MLOPs / Lebenszyklus-Management von ML-Modellen

Organisatorische Aspekte einer KI-Anwendung:

  • KI-Projekt-Lebenszyklus
  • Anforderungserhebung und Planung
  • Ressourcenplanung / Datenbeschaffung
  • Qualitätssicherung und Governance
  • Risikobewertung

 

Diese Veranstaltung bietet eine grundlegende Einführung in maschinelles Lernen (ML) mit einem Fokus auf Supervised und Unsupervised Learning. Es werden Konzepte, Vorgehensweisen, Methoden und Werkzeuge vorgestellt, die für das Verständnis und die Anwendung von ML essenziell sind. Der Fokus liegt auf bekannten und häufig eingesetzten Modellen und Lernverfahren. Durch die begleitende Erprobung der vorstellten Verfahren anhand konkreter Anwendungsfälle entwickeln die Teilnehmenden ein tiefgreifendes Verständnis für ML-Technologien, deren Umsetzung und Anwendung sowie kritische Reflexion der Ergebnisse.

Grundlagen des maschinellen Lernens:

  • Definition, Geschichte und Aufgabentypen
  • Lernparadigmen: Supervised, Unsupervised, Reinforcement Learning, Mischformen
  • Lernen aus Daten: Modellrepräsentation, Evaluierung, Optimierung
  • Konzepte: Gütemaße für die Evaluierung, Overfitting, Underfitting, Kreuzvalidierung

Data Engineering:

  • Rekapitulation Techniken zur Datenaufbereitung und zur explorativen Datenanalyse aus M6.2 und M6.3
  • Datenbereinigung, Umgang mit fehlenden Werten, Skalierung, Normierung
  • Merkmalsauswahl (Feature Selection), Merkmalserzeugung (Feature Engineering)

Überwachtes Lernen:

  • Aufgabentypen: Klassifikation, Regression
  • Vertiefung Klassifikation: k-NN, Entscheidungsbäume, Random Forest, XGBoost
  • Vertiefung Regression: Lineare Regression, Regularisierung

Unüberwachtes Lernen:

  • Clusteranalyse: Ausgewählte Verfahren
  • Anomalieerkennung: Ausgewählte Verfahren 

 

Einführung in neuronale Netze – Vom Perceptron zum Deep Learning:

  • Das Perceptron
  • Aktivierungsfunktionen
  • Mehrschichtige vorwärtsgerichtete Netze
  • Wie lernt ein neuronales Netz?
  • Backpropagation

Deep-Learning-Architektur-Bausteine:

  • Feed-Forward Neural Networks
  • Convolutional Neural Networks
  • Recurrent Neuronal Networks
  • Encoder-Decoder-Architekturen
  • Transformer-Modelle
  • Attention-Mechanismen
  • Architektur-Kombinationen

Deep-Learning-Anwendungen:

  • Computer Vision
  • Natural Language Processing
  • Generative AI und Sprachmodelle
  • Herausforderungen und Erfolgsfaktore

Termine & Ablauf

Termin

Der Zertifikatskurs findet als dreitägige Blockveranstaltung von Donnerstag, 05. bis Samstag, 07. Juni 2025 jeweils von 08.30 – 18.00 Uhr in Präsenz an der Hochschule Heilbronn am Bildungscampus statt.

Pre-Assignments (Vorbereitungsaufgaben)

Ca. 3 Wochen vor Beginn des Kurses erhalten alle Teilnehmenden Vorbereitungsaufgaben (sog. Pre-Assignments) zur Vorbereitung auf die Präsenzveranstaltungen. Diese sollten bis zum Veranstaltungsbeginn zu Hause im Selbststudium erarbeitet werden.

Prüfung

Die Prüfung findet am Freitag, 11. Juli 2025 von 14.00-18.30 Uhr in Form einer Präsentation (Einzel- oder Gruppenarbeit) statt.

Nach Beendigung des Zertifikatskurses und Bestehen der Prüfung erhalten die Teilnehmenden das Zertifikat “Microcredential” der Hochschule Heilbronn mit Angabe der ECTS-Punkte. Diese können auf den berufsbegleitenden MBA-Studiengang “Wirtschaftsinformatik – Digitale Transformation” angerechnet werden. Bei Interesse kontaktieren Sie uns bitte.

Wenn Sie keine Prüfung ablegen möchten, dann erhalten Sie nach Beendigung des Kurses eine Teilnahmebescheinigung (ohne ECTS-Angabe).

Zulassungsvoraussetzungen

1.) Hochschulabschluss

Sie haben ein abgeschlossenes Studium auf Bachelor-Niveau mit mindestens 180 ECTS.

2.) Berufserfahrung

Sie haben mindestens ein Jahr Berufserfahrung und befinden sich idealerweise in einem Arbeitsverhältnis.

3.) Vorkenntnisse

Grundlagenkenntnisse im Bereich Data Science (vgl. dazu Inhalte des Zertifikatskurses “Data Science”) ODER Teilnahme am Zertifikatskurs “Data Science”

Bitte kontaktieren Sie uns, wenn Sie Fragen zu den Zulassungsvoraussetzungen haben.

Kursgebühren

Kursgebühr:
1.400 € insgesamt

Reduzierte Kursgebühr mit ESF-Förderung:
980 € insgesamt (bis 55 Jahre)
420 € insgesamt (ab 55 Jahre)

Die ESF-Fachkursförderung unterstützt Beschäftigte, Unternehmer*innen einschließlich Freiberufler*innen, Gründungswillige und Wiedereinsteiger*innen, die in Baden-Württemberg wohnen oder arbeiten mit einer Reduktion der Kursgebühr. Die Förderung ist unabhängig von der Höhe des Einkommens. Nicht gefördert werden u.a. Beschäftigte von Bund, Ländern, Stadt- und Landkreisen, sowie Städten und Gemeinden. Sie können hier mit der Zielgruppenabfrage prüfen, ob Sie zu den geförderten Zielgruppen gehören.

Die Antragstellung für die reduzierte Kursgebühr ist ganz einfach:

  1. Prüfen Sie mit der Zielgruppenabfrage, ob Sie zu den geförderten Zielgruppen gehören:
    Bitte füllen Sie einfach die Excel-Tabelle aus, das Ergebnis wird Ihnen unten im Formular angezeigt.
  2. Schicken Sie die Zielgruppenabfrage und diesen ausgefüllten Teilnahmefragebogen digital unterschrieben per E-Mail an Andrea Sieling (andrea.sieling@hs-heilbronn.de). Bitte lesen Sie hierzu auch die “Information der Teilnehmenden zur Datenerhebung und -verarbeitung”.
  3. Nach Prüfung der Dokumente erhalten Sie von uns den Teilnahmevertrag und alle weiteren Informationen zum Fachkurs.

Bitte beachten Sie, dass uns diese Unterlagen vor Kursbeginn vollständig vorliegen müssen. Nach Beginn des Kurses können keine Anträge auf Förderung mehr angenommen werden. Bei unvollständigen Daten ist eine finanzielle Förderung nicht möglich.

Nach Beendigung des Kurses erhalten Sie von uns außerdem noch zwei Dokumente (“Fragebogen nach Kursende” und “Selbsterklärung für Teilnahme an virtuellen Schulungen” – falls es sich um einen Online-Kurs handelt), die wir für den Abschluss der Antragstellung dann noch von Ihnen benötigen.

Weitere Informationen zu dem Förderprogramm erhalten Sie hier.

Anmeldung zum Zertifikatsprogramm

Ihr Weiterbildungsprogramm

Ihre Daten

Bestätigung Ihrer Anmeldung