AI & Machine Learning Engineering Program

Überblick

Das KI & Machine Learning Engineering Programm ist ein 6-monatiger Kurs der ALA Academy, gefolgt von einem 6-monatigen integrierten Praktikum bei ALA Core an realen KI/ML-Projekten. Sie lernen, ML-Probleme zu formulieren, Modelle mit scikit-learn und PyTorch zu entwickeln und zu evaluieren, sie über APIs bereitzustellen und verantwortungsvoll zu deployen und zu überwachen.

Kursstruktur

- Dauer: 6 Monate / 24 Wochen

- Sitzungen: 72 geleitete Sitzungen (3 pro Woche, je 2 Stunden)

- Gesamtumfang: 144 Unterrichtsstunden

- Monate 1-5: 60 Sitzungen zu KI/ML-Engineering

- Monat 6: 12 Sitzungen zur Karrierevorbereitung (Lebenslauf, LinkedIn, GitHub-Portfolio, Vorstellungsgespräche, Abschlusspräsentation)

- Praktikum: 26 Wochen bei ALA Core

- Einstiegsniveau: anfängerfreundlich, grundlegende Computerkenntnisse erforderlich

Was Sie lernen

- Python, NumPy, pandas, Git, Testing und reproduzierbare Projektstruktur

- Mathematik für ML: Statistik, Wahrscheinlichkeit, lineare Algebra und Intuition zur Optimierung

- Der ML-Workflow: Baselines, Preprocessing-Pipelines und Vermeidung von Data Leakage

- Regression, Klassifikation und Evaluierungsmetriken (Precision, Recall, F1, ROC-AUC)

- Baummodelle, Ensembles, Modellauswahl und Feature Engineering

- Interpretierbarkeit, Fehleranalyse und Fairness-Prüfungen

- Unüberwachtes Lernen, Anomalieerkennung und Grundlagen von Empfehlungssystemen

- Klassisches NLP und zeitbewusstes ML

- Deep Learning mit PyTorch: Trainingsschleifen, CNNs und Transfer Learning

- Transformer, vortrainierte Modelle, generative KI und Retrieval-Augmented Generation (RAG)

- Experiment-Tracking mit MLflow

- Modellbereitstellung mit FastAPI und Container mit Docker

- Testing, CI mit GitHub Actions, Deployment und Monitoring

- Verantwortungsvolle KI: Datenschutz, Sicherheit, Model Cards und menschliche Aufsicht

Projekte und Bewertung

- Projekt 1: Überwachte ML-Lösung für tabellarische Daten

- Projekt 2: Klassische ML-Trainingspipeline und Vorhersage-API

- Projekt 3: Anwendung mit Deep Learning, NLP, Computer Vision oder fundierter generativer KI

- Ein integriertes Abschlussprojekt (25 % der Gesamtnote)

- Karrierepaket und Abschlusspräsentation vor einem Gremium von ALA Core

Karrieremonat

Erstellen Sie einen technischen Lebenslauf, ein LinkedIn-Profil und ein GitHub-Portfolio mit Model Cards und reproduzierbaren Demos. Absolvieren Sie ein technisches Probe-Interview und präsentieren Sie Ihr Abschlussprojekt.

Praktikum in der Praxis

Arbeiten Sie gemeinsam mit den ML-, Daten-, Software-, QA- und Produktteams von ALA Core an laufenden internen oder Kunden-Projekten im Bereich KI/ML mit freigegebenen Datensätzen und echten Repositories. Sie erhalten Zugriff mit minimalen Rechten unter einem zugewiesenen Mentor und geben Modelle nicht eigenständig frei und deployen nicht eigenständig in die Produktion.

Für wen ist der Kurs geeignet?

Einsteiger und Quereinsteiger, die KI- oder Machine-Learning-Ingenieur werden möchten.