Artificial Intelligence (AI) Engineer (Künstliche Intelligenz) - Boot Camp - Ein einzigartiges Lern- und Zertifizierungsprogramm!

Bootcamp "Artificial Intelligence" Künstliche Intelligenz

Das AI Engineer Bootcamp in Zusammenarbeit mit IBM vermittelt Ihnen die entscheidenden Fähigkeiten, die Sie für eine erfolgreiche Karriere im Bereich Artificial Intelligence (AI) benötigen.

Während dieses Programms zum Thema Künstliche Intelligenz erlernen Sie die Konzepte des maschinellen Lernens und Deep Learning sowie die international anerkannte Programmiersprache Python, die Sie benötigen, um im Bereich KI zu glänzen. Außerdem lernen Sie, wie Sie intelligente Modelle und fortschrittliche künstliche neuronale Netzwerke entwerfen und Predictive Analytics nutzen, um Probleme in Echtzeit zu lösen und Ihre Karriere im Bereich Künstliche Intelligenz voranzutreiben.

Wichtigste Merkmale

• Kurs und Material in englischer Sprache
• Anfänger – Fortgeschrittene für angehende Fachleute
• 11-monatiges Live-Online-Bootcamp im Klassenzimmer und E-Learning (im eigenen Tempo)
• 1 Jahr Zugang zur Lernplattform und zu den Aufzeichnungen der Kurse.
• 285 Stunden empfohlene Lernzeit
• Abschlusszertifikat des AI-Ingenieurprogramms und IBM-Zertifikate für IBM-Kurse.
• Zertifizierung für jeden Kurs und Bootcamp-Zertifizierung nach Abschluss
• Kernkurse werden in Live-Online-Kursen mit 8-fach höherer Interaktion von erfahrenen Trainern und Branchenexperten durchgeführt.
• 3 Capstones (Abschlussprojekte) und über 25 praktische Projekte aus verschiedenen Branchen
• Sitzung zu den neuesten KI-Trends, wie ChatGPT, generative KI, Prompt Engineering und vieles mehr.
• Einführung in TensorFlow, Keras, ChatGPT, OpenAI, Dall-E und andere bekannte Tools.
• Meisterklassen, exklusive Hackathons und „Ask Me Anything“-Sitzungen mit Experten von IBM.
• Das komplette Programm hilft Ihnen, von den besten Personalvermittlungsagenturen entdeckt zu werden.

Programmergebnisse

• Lernen Sie die wichtigsten Anwendungen der künstlichen Intelligenz in verschiedenen Anwendungsfällen aus verschiedenen Bereichen wie Kundenservice, Finanzdienstleistungen, Gesundheitswesen usw. kennen.
• Implementieren Sie klassische Techniken der künstlichen Intelligenz wie Suchalgorithmen, neuronale Netze und Tracking.
• Erwerben Sie die Fähigkeit, Techniken der künstlichen Intelligenz zur Problemlösung anzuwenden und die Grenzen aktueller Techniken der künstlichen Intelligenz zu erklären.
• Beherrschen Sie die Fähigkeiten und Tools, die von den innovativsten Artificial Intelligence-Teams weltweit eingesetzt werden, während Sie sich in Spezialisierungen vertiefen und Erfahrungen bei der Lösung realer Herausforderungen sammeln.
• Entwerfen und erstellen Sie Ihre intelligenten Agenten und wenden Sie diese an, um praktische Artificial Intelligence-Projekte zu erstellen, darunter Spiele, Machine Learning-Modelle, Probleme der logischen Constraint-Satisfaction, wissensbasierte Systeme, probabilistische Modelle, Entscheidungsfunktionen für Agenten und vieles mehr.
• Verstehen Sie die Konzepte von TensorFlow, seine Hauptfunktionen, Operationen und die Ausführungs-Pipeline.
• Verstehen und beherrschen Sie die Konzepte und Prinzipien des maschinellen Lernens, einschließlich seiner mathematischen und heuristischen Aspekte.
• Beherrschen und verstehen Sie fortgeschrittene Themen wie Faltungsneuronale Netze, rekurrenten neuronale Netze, Training tiefer Netze und hochrangige Schnittstellen.
• Lernen Sie, Deep-Learning-Modelle auf Docker, Kubernetes und serverlosen Umgebungen (Cloud) einzusetzen.
• Verstehen Sie die Grundlagen der natürlichen Sprachverarbeitung mit der beliebtesten Bibliothek, dem Python Natural Language Toolkit (NLTK).

Zielgruppe

Dieses Programm richtet sich an Fachleute aus verschiedenen Branchen und mit unterschiedlichem Hintergrund. Die Vielfalt unserer Studierenden bereichert die Diskussionen und Interaktionen im Unterricht. Die Aufgaben in diesem Bereich erfordern eine Kombination aus Erfahrung und Verständnis für Tools und Technologien. Dieses Programm ist ideal für Fachleute, die eine Karriere im Bereich KI und ML anstreben, über Kenntnisse oder Erfahrung in Programmierung und Mathematik verfügen und analytisch denken.

Angesichts der Nachfrage nach künstlicher Intelligenz in einer Vielzahl von Branchen wie Bank- und Finanzwesen, Fertigung, Transport und Logistik, Gesundheitswesen, Hauswartung und Kundendienst eignet sich der Kurs „Artificial Intelligence“ für eine Vielzahl von Profilen, darunter

• Entwickler, die „Artificial Intelligence Engineers“ oder Machine Learning Engineers werden möchten
• Analytics-Manager, die ein Team von Analysten leiten
• Informationsarchitekten, die Fachwissen über Algorithmen der künstlichen Intelligenz erwerben möchten
• Absolventen, die eine Karriere im Bereich Künstliche Intelligenz und Maschinelles Lernen anstreben

Fachleute, die KI- und ML-Fachwissen mit folgenden Zielen erwerben möchten:

• Steigerung der Effektivität in ihrer aktuellen Position
• Wechsel zu KI- und ML-Positionen in ihrem Unternehmen
• Weiterentwicklung ihrer Karriere in der Branche Verwirklichung unternehmerischer Ambitionen

Voraussetzungen

Bewerber sollten Folgendes mitbringen:

• Bachelor-Abschluss mit einem Notendurchschnitt von mindestens 50 %
• Vorkenntnisse oder Erfahrung in Programmierung und Mathematik
• Vorzugsweise mindestens 2 Jahre Berufserfahrung

Lernpfad

1. Grundlagen der generativen KI, Prompt Engineering und ChatGPT (Live-Online-Unterricht)
2. Grundlagen der Programmierung (Live-Online-Unterricht und E-Learning)
3. Python für Data Science (IBM) (E-Learning)
4. Angewandte Data Science mit Python (Live-Online-Unterricht und E-Learning)
5. Maschinelles Lernen mit Python (Live-Online-Unterricht und E-Learning)
6. Deep Learning-Spezialisierung (Live-Online-Klassenzimmer & E-Learning)

Wahlkurse

• Deep Learning mit TensorFlow (IBM)
• Fortgeschrittenes Deep Learning und Computer Vision
• Natürliche Sprachverarbeitung
• Verstärkendes Lernen
• Fortgeschrittene generative KI

1. Grundlagen generativer KI, Prompt Engineering und ChatGPT

Dieser Kurs befasst sich eingehend mit generativen KI-Modellen, wobei der Schwerpunkt auf ChatGPT liegt. Die Teilnehmer lernen die Grundlagen der generativen KI und ihren Anwendungsbereich, Prompt Engineering, erklärbare KI, dialogorientierte KI, ChatGPT und andere große Sprachmodelle kennen.

Wichtigste Lernziele

• Erwerb solider Grundlagen zu generativen KI-Modellen, einschließlich ihrer Kernprinzipien und verschiedener Modelle.
• Verständnis des Konzepts der erklärbaren KI, ihrer Bedeutung und der verschiedenen Ansätze zur Erreichung der Erklärbarkeit in KI-Systemen.
• Nutzung effektiver Prompt-Engineering-Techniken zur Leistungssteigerung und Verhaltensregulierung generativer KI-Modelle.
• Entwicklung eines umfassenden Verständnisses von ChatGPT, einschließlich seiner Funktionsweise, bemerkenswerten Funktionen und Einschränkungen.
• Erkundung einer Reihe von Anwendungen und Szenarien, in denen ChatGPT effektiv eingesetzt werden kann.
• Beherrschung von Feinabstimmungstechniken zur Personalisierung und Optimierung von ChatGPT-Modellen.
• Erkennen der ethischen Herausforderungen generativer KI-Modelle, um eine verantwortungsvolle Datennutzung zu gewährleisten, Verzerrungen zu minimieren und Missbrauch zu verhindern.
• Verstehen Sie das transformative Potenzial generativer KI in verschiedenen Branchen und entdecken Sie wichtige Tools.
• Gewinnen Sie Einblicke in die Zukunft generativer KI, ihre Herausforderungen und die notwendigen Schritte, um ihr volles Potenzial auszuschöpfen.

Behandelte Themen

• Generative KI und ihre Landschaft
• ChatGPT und seine Anwendungen
• Erklärbare KI
• Konversations-KI
• Prompt Engineering
• Entwerfen und Generieren effektiver Prompts
• Große Sprachmodelle
• Feinabstimmung von ChatGPT
• Ethische Überlegungen zur generativen KI
• Verantwortungsvolle Datennutzung und Datenschutz
• Die Zukunft der generativen KI
• KI-Technologien für Innovation

2. Programmiergrundlagen

In diesem Kurs erwerben Sie grundlegende Python-Kenntnisse, die Ihnen als Bausteine für Ihren Weg durch das Programm dienen werden.

Wichtigste Lernziele

• Erwerb von Kenntnissen über prozedurale und objektorientierte Programmierung
• Verständnis der Vorteile und Vorzüge der Verwendung von Python als Programmiersprache.
• Installieren Sie Python und die integrierte Entwicklungsumgebung.
• Machen Sie sich mit Jupyter Notebook und dessen Verwendung vertraut.
• Implementieren Sie Python-Identifikatoren, Einrückungen und Kommentare effektiv.
• Verstehen Sie die Datentypen, Operatoren und Zeichenfolgenfunktionen von Python.
• Lernen Sie verschiedene Arten von Schleifen in Python kennen.
• Erkunden Sie den Gültigkeitsbereich von Variablen innerhalb von Funktionen.
• Erläutern Sie die Konzepte der objektorientierten Programmierung und deren Merkmale.
• Beschreiben Sie Methoden, Attribute und Zugriffsmodifizierer in Python.
• Erlangen Sie ein Verständnis für Multithreading.

Behandelte Themen

• Grundlagen der Programmierung
• Einführung in die Python-Programmierung
• Python-Datentypen und Operatoren
• Bedingte Anweisungen und Schleifen in Python
• Python-Funktionen
• Objektorientierte Programmierkonzepte mit Python
• Threading

3. Python für Data Science (IBM)

Dieser von IBM entwickelte Kurs vermittelt den Teilnehmern, wie sie Python für die Datenwissenschaft nutzen können. Nach Abschluss des Kurses sind Sie in der Lage, Python-Skripte zu schreiben und wichtige praktische Datenanalysen in einer Jupyter-basierten Laborumgebung durchzuführen.

Wichtigste Lernziele

• Verwenden Sie Variablen, Zeichenfolgen, Funktionen, Schleifen und Bedingungen, um Ihr erstes Python-Programm zu erstellen.
• Erlangen Sie ein Verständnis für Listen, Mengen, Wörterbücher, Bedingungen, Verzweigungen, Objekte und Klassen.
• Nutzen Sie Pandas zum Laden, Bearbeiten und Speichern von Daten sowie zum Lesen und Schreiben von Dateien in Python.

Behandelte Themen

• Python-Grundlagen
• Python-Datenstrukturen
• Grundlagen der Python-Programmierung
• Arbeiten mit Daten in Python
• Arbeiten mit NumPy-Arrays

4. Angewandte Datenwissenschaft mit Python

Dieser Kurs vermittelt ein umfassendes Verständnis der Grundlagen der Datenwissenschaft, einschließlich Datenaufbereitung, Modellierung und Bewertung. Die Teilnehmer lernen Konzepte wie Zeichenfolgen, Lambda-Funktionen und Listen kennen.

Wichtigste Lernziele

• Erläutern Sie die Grundlagen der Datenwissenschaft und ihre praktischen Anwendungen.
• Erkunden Sie die Prozesse der Datenaufbereitung, Modellierung und Bewertung.
• Wenden Sie Python-Konzepte wie Strings an und verstehen Sie Lambda-Funktionen und Listen.
• Entwickeln Sie ein solides Verständnis der Grundlagen von NumPy.
• Erkunden Sie Array-Indizierungs- und Slicing-Techniken.
• Wenden Sie Prinzipien der linearen Algebra in der Datenanalyse an.
• Verstehen Sie die Anwendung der Infinitesimalrechnung in der linearen Algebra.
• Berechnen Sie Maße der Zentralität und Streuung.
• Erlangen Sie ein Verständnis für statistische Konzepte wie Schiefe, Kovarianz und Korrelation.
• Beschreiben Sie die Nullhypothese und die Alternativhypothese.
• Untersuchen Sie verschiedene Hypothesentests, einschließlich Z-Test und T-Test.
• Verstehen Sie das Konzept der ANOVA.
• Arbeiten Sie mit den beiden primären Datenstrukturen von Pandas: Series und DataFrame.
• Nutzen Sie Pandas für Aufgaben wie das Laden, Indizieren, Reindizieren und Zusammenführen von Daten.
• Bereiten Sie Daten mithilfe von Daten-Binning-Techniken vor, formatieren, normalisieren und standardisieren Sie sie.
• Erstellen Sie Visualisierungen mit Matplotlib, Seaborn, Plotly und Bokeh.

Behandelte Themen

• Einführung in die Datenwissenschaft
• Grundlagen der Python-Programmierung
• NumPy
• Lineare Algebra
• Grundlagen der Statistik
• Wahrscheinlichkeitsverteilungen
• Fortgeschrittene Statistik
• Arbeiten mit Pandas
• Datenanalyse
• Datenaufbereitung
• Datenvisualisierung
• End-to-End-Statistik-Anwendungen in Python

5. Capstone-Projekt "Artificial Intelligence

Dieser Kurs bietet einen umfassenden Überblick über verschiedene Arten des maschinellen Lernens und deren praktische Anwendungen. Sie werden die Pipeline des maschinellen Lernens erkunden und Einblicke in überwachtes Lernen, Regressionsmodelle und Klassifizierungsalgorithmen gewinnen. Darüber hinaus werden Sie unüberwachtes Lernen, Clustering-Techniken und Ensemble-Modellierung studieren. Sie werden beliebte Frameworks für maschinelles Lernen wie TensorFlow und Keras evaluieren und eine Empfehlungsmaschine mit PyTorch erstellen.

Wichtigste Lernziele

• Untersuchen Sie die verschiedenen Arten des maschinellen Lernens und ihre jeweiligen Merkmale.
• Analysieren Sie die Pipeline des maschinellen Lernens und verstehen Sie die wichtigsten Vorgänge im Bereich Machine Learning Operations (MLOps).
• Lernen Sie das überwachte Lernen und seine vielfältigen Anwendungsmöglichkeiten kennen.
• Verstehen Sie die Konzepte der Überanpassung und Unteranpassung und wenden Sie Techniken zu deren Erkennung und Vermeidung an.
• Analysieren Sie verschiedene Regressionsmodelle und ihre Eignung für unterschiedliche Szenarien.
• Identifizieren Sie Linearitäten zwischen Variablen und erstellen Sie Korrelationskarten.
• Listen Sie verschiedene Arten von Klassifizierungsalgorithmen auf und verstehen Sie deren spezifische Anwendungen.
• Beherrschen Sie verschiedene Arten von unüberwachten Lernmethoden und wissen Sie, wann Sie diese einsetzen müssen.
• Erlangen Sie ein tiefes Verständnis für verschiedene Clustering-Techniken im Rahmen des unüberwachten Lernens.
• Untersuchen Sie verschiedene Ensemble-Modellierungstechniken wie Bagging, Boosting und Stacking.
• Bewerten und vergleichen Sie verschiedene Frameworks für maschinelles Lernen, darunter TensorFlow und Keras.
• Erstellen Sie eine Empfehlungsmaschine mit PyTorch.

Behandelte Themen

• Maschinelles Lernen
• Überwachtes Lernen
• Regression und ihre Anwendungen
• Klassifizierung und ihre Anwendungen
• Unüberwachtes Lernen
• Ensemble-Lernen
• Empfehlungssysteme

6. Spezialisierung auf Deep Learning

Dieser umfassende Kurs vermittelt Ihnen die Kenntnisse und Fähigkeiten, die Sie benötigen, um Deep-Learning-Tools mithilfe von KI/ML-Frameworks effektiv einzusetzen. Sie lernen die grundlegenden Konzepte und praktischen Anwendungen von Deep Learning kennen und erhalten ein klares Verständnis der Unterschiede zwischen Deep Learning und maschinellem Lernen.

Wichtigste Lernziele

• Unterscheiden Sie zwischen Deep Learning und maschinellem Lernen und verstehen Sie deren jeweilige Anwendungsbereiche.
• Erlangen Sie ein umfassendes Verständnis verschiedener Arten von neuronalen Netzen.
• Beherrschen Sie die Konzepte der Vorwärts- und Rückwärtspropagierung in Deep Neural Networks (DNNs).
• Erhalten Sie Einblicke in Modellierungstechniken und Leistungsverbesserungen im Deep Learning.
• Verstehen Sie die Prinzipien der Hyperparameter-Optimierung und der Modellinterpretierbarkeit.
• Lernen Sie wichtige Techniken wie Dropout und Early Stopping kennen und setzen Sie diese effektiv ein.
• Entwickeln Sie Fachkenntnisse in Convolutional Neural Networks (CNNs) und Objekterkennung.
• Erwerben Sie ein solides Verständnis von Recurrent Neural Networks (RNNs).
• Machen Sie sich mit PyTorch vertraut und lernen Sie, wie Sie mit diesem Framework neuronale Netzwerke erstellen können.

Behandelte Themen

• Einführung in Deep Learning
• Künstliche neuronale Netzwerke
• Tiefe neuronale Netzwerke
• TensorFlow
• Modelloptimierung und Leistungsverbesserung
• Convolutional Neural Networks (CNNs)
• Transfer Learning
• Objekterkennung
• Rekursive neuronale Netzwerke (RNNs)
• Transformer-Modelle für die Verarbeitung natürlicher Sprache (NLP)
• Erste Schritte mit Autoencodern
• PyTorch

7. Capstone-Projekt "Artificial Intelligence

Das Capstone-Projekt „Artificial Intelligence“ von AVC ermöglicht es Ihnen, die im Masterstudiengang „Artificial Intelligence“ erworbenen Fähigkeiten in die Praxis umzusetzen. In speziellen Mentoring-Sitzungen lernen Sie, wie Sie ein reales, branchenbezogenes Problem lösen können. Sie lernen verschiedene auf künstlicher Intelligenz basierende überwachte und unüberwachte Techniken wie Regression, SVM, baumbasierte Algorithmen, NLP usw. kennen. Das Projekt ist der letzte Schritt auf dem Lernpfad und hilft Ihnen, Ihre Fachkenntnisse gegenüber Arbeitgebern unter Beweis zu stellen.

Das Capstone-Projekt vertieft Ihr Verständnis des Entscheidungszyklus in der künstlichen Intelligenz, einschließlich der Durchführung explorativer Datenanalysen, der Erstellung und Feinabstimmung eines Modells mit modernsten KI-basierten Algorithmen und der Darstellung der Ergebnisse.

Wichtigste Lernziele

Der Online-Kurs „Artificial Intelligence Capstone“ von AVC führt Sie durch den Entscheidungszyklus der künstlichen Intelligenz, einschließlich explorativer Datenanalyse, Aufbau und Feinabstimmung eines Modells mit modernsten Algorithmen auf Basis künstlicher Intelligenz und Darstellung der Ergebnisse. Die Meilensteine des Projekts sind wie folgt:

• Explorative Datenanalyse – In diesem Schritt wenden Sie verschiedene Datenverarbeitungstechniken an, um die Merkmale und Korrelationen zwischen ihnen zu bestimmen, die erforderlichen Transformationen, um die Daten sinnvoll zu machen, neue Merkmale, Konstruktionen usw.
• Modellaufbau und -anpassung – Dies erfolgt mithilfe von Algorithmen des maschinellen Lernens wie Regression, multinomialer Naive Bayes, SVM, baumbasierten Algorithmen usw.
• Unüberwachtes Lernen – Clustering zur Gruppierung ähnlicher Transaktionen/Bewertungen mithilfe von NLP und verwandten Techniken, um aussagekräftige Schlussfolgerungen zu ziehen.

Die Wahlfächer:

Deep Learning mit Tensorflow (IBM)

Dieser Kurs bringt Ihre Kenntnisse im Bereich maschinelles Lernen auf die nächste Stufe, indem er Ihnen ein umfassendes Verständnis von Deep Learning mit TensorFlow und Keras vermittelt. Sie erwerben fundierte Kenntnisse über Deep-Learning-Konzepte, die es Ihnen ermöglichen, künstliche neuronale Netzwerke aufzubauen und durch verschiedene Ebenen der Datenabstraktion zu navigieren. Dieser Kurs erschließt Ihnen das Potenzial von Daten und bereitet Sie auf neue Herausforderungen im Bereich Artificial Intelligence vor.

Fortgeschrittenes Deep Learning und Computer Vision

Dieser umfassende Kurs vermittelt Ihnen fundierte Kenntnisse und praktische Fähigkeiten im Bereich Computer Vision und fortgeschrittene Deep-Learning-Techniken. Sie beschäftigen sich mit verschiedenen Themen, darunter Bildgebung und -verarbeitung, Convolutional Neural Networks (CNNs), Objekterkennung, Bildsegmentierung, generative Modelle, optische Zeichenerkennung, verteiltes und paralleles Rechnen sowie die Bereitstellung von Deep-Learning-Modellen. Am Ende des Kurses verfügen Sie über das Fachwissen, um komplexe Herausforderungen im Bereich Computer Vision zu meistern und Deep-Learning-Modelle in verschiedenen Anwendungen erfolgreich einzusetzen.

Natürliche Sprachverarbeitung

In diesem Kurs erhalten Sie ein detailliertes Verständnis der wissenschaftlichen Grundlagen der Anwendung von Algorithmen des maschinellen Lernens zur Verarbeitung großer Mengen natürlicher Sprachdaten. Der Kurs konzentriert sich auf das Verstehen natürlicher Sprache, Feature Engineering, die Generierung natürlicher Sprache, automatische Spracherkennung, die Umwandlung von Sprache in Text, die Umwandlung von Text in Sprache und Sprachassistenzgeräte.

Verstärkendes Lernen

Dieser Kurs bietet eine umfassende Einführung in die Kernkonzepte des verstärkenden Lernens. Anhand praktischer Beispiele und Übungen mit Python und TensorFlow lernen Sie, wie Sie Probleme des verstärkenden Lernens mit verschiedenen Strategien lösen können. Der Kurs behandelt die Theorie hinter RL-Algorithmen und vermittelt Ihnen die Fähigkeiten, das verstärkende Lernen als Problemlösungsstrategie effektiv einzusetzen. Am Ende des Kurses sind Sie in der Lage, RL-Algorithmen zur Bewältigung einer Vielzahl von realen Herausforderungen einzusetzen.

Fortgeschrittene generative KI

Tauchen Sie mit diesem Fortgeschrittenenkurs tief in die innovativen Prinzipien der generativen KI ein. Während des Programms werden Sie neuronale Netze, LLMs, ihre Architekturen und verschiedene generative Modelle wie VAEs, GANs, Autoencoder und Transformer-basierte Modelle gründlich erkunden. Vertiefen Sie Ihre Kenntnisse über renommierte generative KI-Modelle wie GPT, BERT und T5 und lernen Sie, deren Leistung effektiv zu bewerten. Nehmen Sie an praktischen Lernaktivitäten teil und erwerben Sie praktische Kenntnisse im Aufbau und Einsatz eines dialogorientierten Chatbots, der sinnvolle Dialoge führt.

FAQ

Wie ist das Programm aufgebaut?

Die Programme sind vollständig als Fernunterricht konzipiert. Teile davon sind praktische E-Learning-Kurse, die Sie in Ihrem eigenen Tempo absolvieren können, wann immer Sie Zeit haben. Sie können auch über Ihr Mobiltelefon (unsere App) lernen.

Darüber hinaus gibt es Online-Präsenzveranstaltungen über unser fortschrittliches professionelles Fernunterrichtssystem. Wir bieten eine Reihe von Terminen zur Auswahl und zeichnen die Veranstaltungen immer auf, sodass Sie sie sich anhören können, wenn Sie etwas verpasst haben oder Informationen noch einmal nachlesen möchten. Bei Fragen zu den erlernten Fähigkeiten steht Ihnen jederzeit jemand zur Verfügung, der Ihnen hilft und Sie unterstützt.

Wann kann ich an den Live-Online-Kursen teilnehmen?

Der Zeitpunkt der einzelnen Kurse variiert je nach Gruppe. Sie erhalten Zugang zu einem Dashboard mit mehreren verschiedenen Zeitfenstern für dieselbe Sitzung/dasselbe Thema. Sie entscheiden, welcher Termin für Sie am besten passt. Einige Kurse finden an Wochentagen nachmittags statt, andere am Wochenende vormittags oder abends. Die Terminplanung richtet sich nach Faktoren wie der Anzahl der interessierten Teilnehmer und der Verfügbarkeit der Trainer. Wenn Sie eine Sitzung verpassen, können Sie sich jederzeit die Aufzeichnung ansehen. Sie verpassen nichts!