Modul 7: Programmierung und KI-Systementwicklung
Sie müssen keine Softwareentwicklerin werden – aber Sie müssen Code lesen, einfache Auswertungen selbst schreiben und mit Entwicklungsteams auf Augenhöhe sprechen können. Dieses Modul führt Sie in Python ein, zeigt Datenanalyse mit pandas und Modelltraining mit scikit-learn und erklärt dann, was aus einem Modell ein verlässliches KI-System macht: Architektur, Schnittstellen, Versionierung, MLOps, Anwendungen mit Sprachmodellen sowie Qualität und Sicherheit.
Einleitung und häufige Fragen jedes Kapitels sind frei lesbar. Den vollständigen Inhalt mit Übungen und Quiz schalten Sie einmalig für 99 € frei.
Freischalten- EinführungProgrammierung und KI-Systementwicklung: vom Python-Notebook zum betriebsfähigen System Sie müssen keine Softwareentwicklerin werden – aber Sie müssen Code lesen, einfache Auswertungen selbst schreiben und mit Entwicklungsteams auf Augenhöhe sprechen können. Dieses Modul führt Sie in Python ein, zeigt Datenanalyse mit pandas und Modelltraining mit scikit-learn und erklärt dann, was aus einem Model
- ÜbungenLesen Sie den Code genau und führen Sie ihn „im Kopf“ aus – Variable für Variable. Wer möchte, prüft die Antworten zusätzlich in einem Notebook.
- Abschlussquiz20 Fragen im Stil der schriftlichen Prüfung, jeweils eine richtige Antwort. Ab 14 richtigen Antworten (70 %) sind Sie gut vorbereitet. Auswerten Neu beginnen
- ZusammenfassungPython Variablen, Datentypen, Listen ab 0, Dictionaries, Einrückung bildet Blöcke. Funktionen def, Parameter, return; Module und Bibliotheken per import. NumPy Arrays, vektorisiert rechnen. pandas read_csv, filtern, groupby, merge, bereinigen. scikit-learn split, fit, predict, score; Baseline, Kreuzvalidierung. Pipeline Vorverarbeitung + Modell als ein Objekt – kein Leakage, gleich im Betrieb. KI-
Teil A · Python-Grundlagen
- Lektion 1: Warum Python?Notebook zum Erkunden, Entwicklungsumgebung und Git für alles, was in Betrieb gehen soll.
- Lektion 2: Variablen und DatentypenListen zählen ab 0, Dictionaries finden Werte über Schlüssel, Kommazahlen schreibt man mit Punkt.
- Lektion 3: Bedingungen und SchleifenIn Python bildet die Einrückung den Block: Alles, was eingerückt unter for oder if steht, gehört dazu.
- Lektion 4: Funktionen und ModuleFunktionen machen Code wiederverwendbar und testbar; Module und Bibliotheken bringen fertige Funktionen ins Projekt.
Teil B · Datenanalyse mit Python
- Lektion 5: NumPyNumPy rechnet mit ganzen Arrays auf einmal – schneller und kürzer als Schleifen.
- Lektion 6: pandas: laden, filtern, gruppierenpandas = Tabellen in Python: read_csv , filtern mit Bedingungen, groupby , merge .
- Lektion 7: Daten bereinigen mit pandasBereinigung im Code ist dokumentiert und wiederholbar – jeder Schritt lässt sich prüfen und auf neue Daten anwenden.
- Lektion 8: Visualisieren mit MatplotlibEin Diagramm im Code lässt sich mit neuen Daten jederzeit identisch neu erzeugen – ideal für wiederkehrende Berichte.
Teil C · Modelle trainieren
- Lektion 9: scikit-learn: fit, predict, scorescikit-learn: aufteilen, fit auf Training, predict auf Test, mit passenden Kennzahlen bewerten – bei jedem Verfahren gleich.
- Lektion 10: PipelinesVorverarbeitung gehört in die Pipeline – das verhindert Data Leakage und garantiert identische Verarbeitung im Betrieb.
- Lektion 11: Modelle vergleichen und speichernVergleichen mit Kreuzvalidierung gegen eine Baseline, Hyperparameter suchen, das Siegermodell mit Version und Kennzahlen speichern.
Teil D · KI-Systeme entwickeln
- Lektion 12: Architektur eines KI-SystemsEin KI-System ist Daten + Modell + Schnittstelle + Monitoring + Mensch – geplant wird das Ganze, nicht nur das Modell.
- Lektion 13: Schnittstellen und REST-APIEin Modell wird nutzbar, wenn es hinter einer versionierten, abgesicherten Schnittstelle läuft, die Eingaben prüft und Antworten protokolliert.
- Lektion 14: VersionierungReproduzierbar ist ein Modell nur, wenn Code, Daten, Parameter und Umgebung versioniert sind.
- Lektion 15: MLOpsMLOps macht den Weg vom Modell in den Betrieb automatisiert, geprüft und wiederholbar – inklusive Überwachung und Rückweg.
- Lektion 16: LLM-Anwendungen bauenLLM-Anwendungen brauchen dieselbe Disziplin wie andere Software: Vorlagen, Tests, Rechte, Protokolle, Kostenkontrolle.
- Lektion 17: Qualität und SicherheitGetestet, geprüft, ohne Geheimnisse im Code, mit minimalen Rechten und dokumentiert – erst dann ist ein KI-System betriebsreif.