Machine Learning
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.junk@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 Ingenieu/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 |
| Tag 3 | T: Time series analysis | 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 | T: Transfer learning, pre-trained architectures |
| 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
