(Kombination aus praxisorientiertem 12-wöchigem Trainee-Programm und Inhalten zu „Designing & Building AI Products & Services“)

Dieses Konzept vereint theoretische Fundierung und praxisnahe Implementierung moderner KI-Methoden in einem strukturierten Zeitplan. Es stützt sich auf Best Practices aus führenden Programmen (u. a. Inhalte inspiriert von MIT xPRO) und erweitert diese um die wesentlichen Komponenten eines 3-monatigen Trainee-Programms für IT-Young Professionals.

Zielgruppe:

• (Junior) IT-Fachkräfte, Softwareentwicklerinnen, Data Scientists, Tech Product Managerinnen
• Technologie-Professionals (Banking, Finance, Healthcare, IT etc.), die KI-Lösungen entwickeln möchten
• Gründer*innen/Start-ups mit Fokus auf KI-Anwendungen

Voraussetzungen:

• Grundlegendes mathematisches Verständnis (Lineare Algebra, Statistik, Wahrscheinlichkeiten)
• Grundkenntnisse in Python oder ähnlichen Programmiersprachen
• Interesse an KI-getriebener Innovation und Teamarbeit

Programmstruktur: 12 Wochen im Überblick

1. Monat 1 (Wochen 1–4):
   • Fundament: Einführung in KI, Machine Learning, Python, Schlüssel-Frameworks (z. B. scikit-learn, TensorFlow, PyTorch)
   • Erste Praxis: Mini-Projekte und Hands-on-Übungen
2. Monat 2 (Wochen 5–8):
   • Vertiefung: Deep Learning, NLP, Computer Vision, Conversational AI
   • Anwendungsfelder: Human-Computer Interaction (HCI), Generative AI (GANs), Vektor-Suchen (Pinecone), ChatGPT & LangChain
   • Design & Umsetzung: AI Design Process, Superminds-Konzept, Projektarbeit in Teams
3. Monat 3 (Wochen 9–12):
   • Integration & Best Practices: Web-Entwicklung (Next.js, TypeScript, React), Performance, Testing & Deployment
   • Ethik & Soft Skills: Datenschutz, Fairness, Teamführung, Stakeholder-Kommunikation
   • Capstone-Projekt: Eigenständige Projektumsetzung mit Präsentation, Business-Case-Analyse und Karriereaussichten

Detaillierter Curriculum-Fahrplan

Woche 1: Introduction to AI & Machine Learning

• Tag 1:
  • Begrüßung, Programmvorstellung, Erwartungen
  • Historie & Definition: KI, ML, Deep Learning, Reinforcement Learning