AI Engineer (Capstone & Integration Course)

Beschreibung

• Kurs-ID:
  • IC-805-G-24
• Inhalt: Dieser Kurs bündelt alle technischen KI-Kompetenzen in einem integrierten Praxis- und Architekturtraining. Ziel ist der Aufbau und die Bewertung vollständiger KI-Systeme von der Idee bis zum produktiven Betrieb.
  • Schwerpunkte:
    • End-to-End Design von KI-Systemen (Architektur + Umsetzung)
    • Integration von:
      • ML-Modellen
      • LLMs
      • RAG-Systemen
    • Aufbau produktionsreifer KI-Systeme
    • Systemdesign unter realen Constraints:
      • Skalierung
      • Latenz
      • Kosten
      • Sicherheit
    • Auswahl geeigneter KI-Architekturen für verschiedene Use Cases
    • MLOps-Integration in reale Deployment-Szenarien
    • Daten-, Modell- und Servicearchitekturen
    • Bewertung bestehender KI-Systeme (Technical Review)
    • Fehleranalyse und Optimierungsstrategien
    • Vorbereitung auf Zertifizierungsfallstudie
  • Praxisanteile:
    • Design eines kompletten KI-Systems (Use Case-basiert)
    • Architektur-Review eines bestehenden Systems
    • Aufbau eines RAG- oder ML-Systems im Referenzdesign
    • Bewertung von Trade-offs (Accuracy vs. Cost vs. Latency)
• Voraussetzungen:
  • IC-805-G-01 – KI verstehen & sicher anwenden
  • IC-805-G-03 – LLM Workshop
  • IC-805-G-04 – KI-Systeme entwickeln & integrieren
  • IC-805-G-05 – RAG & Enterprise AI Systems
  • IC-805-G-06 – MLOps & AI Operations
• Zertifizierungsanforderung:
  • Nachweis über die Teilnahme am Kurs bzw. an dem/den Vorkurs(en) oder Nachweis anderweitig erworbener äquivalenter Kenntnisse + Erfolgreiches Bestehen der Prüfung + Mindestens 2 Jahre Berufserfahrung im relevanten Tätigkeitsbereich
• Durchführungsart:
  • Online (für Präsenz- oder Inhouse-Schulungen senden Sie uns bitte eine Anfrage über unser Kontaktformular (Kontakt - intellcert). Wir setzen uns anschließend mit Ihnen in Verbindung.)
• Sprache:
  • Deutsch
• Zielgruppe:
  • AI Engineers
  • Data Scientists
  • Software Engineers mit KI-Fokus
  • Solution Architects
  • MLOps Engineers
• Lernziele:
  • vollständige KI-Systeme entwerfen und bewerten
  • ML-, LLM- und RAG-Systeme integrieren
  • Architekturentscheidungen begründen
  • produktionsreife KI-Systeme planen
  • technische Risiken identifizieren und reduzieren
• Bemerkung:
  • Angezeigter Preis exkl. MwSt.