Hochschule KarlsruheHochschule Karlsruhe - University of Applied Sciences
Hochschule KarlsruheHochschule Karlsruhe - University of Applied Sciences
Überblick & Inhalte

Fortbildung Machine Learning

Erkunden Sie die Welt des maschinellen Lernens und wenden Sie die erlernten Methoden und Konzepte in praktischen Übungen an realen Daten direkt an.

Die Fortbildung Machine Learning setzt sich aus einem Anfänger- und einem Fortgeschrittenenkurs zusammen. Der Anfängerkurs behandelt Themen des maschinellen Lernens und der künstlichen Intelligenz. Die theoretischen Grundlagen werden mit praktischen Übungen an realen Daten ergänzt. Verwendet werden Python, Scikit-learn und Kaggle.

Der Fortgeschrittenenkurs zielt darauf ab, ein Verständnis für Deep Learning und Datenvisualisierung zu entwickeln. Die theoretischen Kenntnisse über Komponenten und Architekturen neuronaler Netze werden mit überwachten und unüberwachten Ansätzen auf reale Daten praxisorientiert angewandt. Verwendet werden Python und Tensorflow.

Die Kurse können einzeln oder als Paket gebucht werden.

Kontakt

Institut für Wissenschaftliche Weiterbildung
Romina Junk

Tel.: +49 (0)721 925-2800
Fax: +49 (0)721 925-2811
romina.junkspam prevention@h-ka.de

Geb. E, 2. OG
Wilhelm-Schickard-Straße 9
76131 Karlsruhe

Auf einen Blick

Termin auf Anfrage
Dauer 3 Tage je Einzelkurs, 6 Tage für die gesamte Fortbildung
Format Präsenz
Ort Karlsruhe
Kosten Einzelkurs € 1.300, Gesamte Fortbildung € 2.500

Für wen ist diese Fortbildung geeignet?

Die Zielgruppe sind Ingenieur:innen, Statistiker:innen, Informatiker:innen, Physiker:innen und alle mit einem mathematischen oder technischen Hintergrund.

  • Voraussetzungen Anfängerkurs: Erste Programmiererfahrung
  • Voraussetzungen Fortgeschrittenenkurs: Programmiererfahrung mit Python und erste Erfahrung in der Anwendung von Algorithmen des maschinellen Lernens

Inhalte

Anfängerkurs

Das Ziel des Anfängerkurses ist es, Sie mit den Themen des maschinellen Lernens und der künstlichen Intelligenz vertraut zu machen. Sie erwerben die theoretischen Grundlagen (Theorieteile (T)) und wenden sie durch praktische Übungen an realen Daten direkt an (Praxisteile (PW). Sie lernen, wie man Daten und klassische Algorithmen verarbeitet. Es werden Python, Scikit-learn und Kaggle verwendet.
Das Programm des Machine Learning Anfängerkurses im Detail:
 

  9:00 – 12:00 13:00 – 16:00

Tag 1

T: Introduction to Artificial intelligence
PW: Data understanding with small data sets
T: Regression algorithms
PW: Implementation of one-dimensional and multidimensional
regression algorithms. 
Tag 2 T: Classification algorithms
PW: Prediction of the semiconductor production yield

T: Clustering algorithms
PW: Evaluation of clustering algorithms

Tag 3

T: Time series analysis
PW: Analysis of Covid19 infection rates

T: Neural Networks: Multilayer perceptron
PW: Character recognition with neural networks
T: Theory – PW: Practical Work
Fortgeschrittenenkurs

Das Ziel des Fortgeschrittenenkurses ist es, ein Verständnis für Deep Learning und Datenvisualisierung zu entwickeln. Sie erwerben theoretische Kenntnisse über die verschiedenen Komponenten und Architekturen neuronaler Netze (Theorieteile (T)) und wenden diese mit überwachten und unüberwachten Ansätzen auf reale Daten an (Praxisteile (PW). Es werden Python und Tensorflow verwendet.
Das Programm des Machine Learning Forgeschrittenenkurses im Detail:

  9:00 – 12:00 13:00 – 16:00

Tag 1

T: Introduction to Deep Learning, Convolutional Neural Networks
PW: Segmentation and classification
T: Architectures and cost functions
PW: Regression and classification 
Tag 2

T: Advanced training: augmentation and dropout
PW: Segmentation with augmentation

T: Transfer learning, pre-trained architectures
PW: Transfer Learning with Deep Neural

Tag 3 T: Dimension reduction and visualisation
PW: Eigenfaces
 
T: Stacked, sparse and denoising autoencoders
PW: Representation learning
T: Theory – PW: Practical Work

Stimme zur Weiterbildung

Teilnehmer des Anfängerkurses Machine Learning, Juni 2022

"The workshop was fantastic! It offers a very good foundation to take the first steps especially for someone who had never worked with ML before, like me.
The sessions were very dynamic with theory and practice, even though they were 3-day workshop they did not feel like such, in addition the readers made the sessions very enjoyable, it was a friendly atmosphere during breaks and during the lunch break.
Kawther [Aboalamand] and Manfred [Strohrmann] are excellent and nice interlocutors, they are very patient, not only do they perfectly know the subject, but they present real life examples where they have already applied ML. They manage to explain complex concepts very easily, they make it look ML very simple and accessible for all.
Currently, where I am working, we are developing a project where we are planning to apply ML to discover what factors influence our production process and then be able to reduce manufacturing times, I am a little excited to apply what I learned in the course!
Also, the team in charge of organizing the Machine Learning (ML) course was great, five stars for them, they were always attentive and helpful, they thought of everything, even the smallest details such as a welcome kit and snacks, honestly, they spoiled us a lot, thank you Romina and your team.
Without hesitation, I would take another course organized by them." (Luis Corona)

Über KTUR

Im Rahmen des Projekts KTUR (Knowledge Transfer Upper Rhine) haben sich 12 Hochschulpartner aus Deutschland, Frankreich und der Schweiz zusammengeschlossen, um ihre Zusammenarbeit im grenzüberschreitenden Wissens- und Technologietransfer zu intensivieren.

Die Hochschulen am Oberrhein bieten neben exzellenter Forschung auch zahlreiche hochwertige Weiterbildungsangebote in verschiedenen Disziplinen an. Im Rahmen von KTUR haben die Partner ihre Kompetenzen im Bereich Weiterbildung gebündelt und gemeinsam ein anwendungsorientiertes Angebot geschaffen, das sich an den aktuellen Bedürfnissen der Unternehmen in der Grenzregion orientiert.

KTUR

Organisation & Kosten