Машинне навчання є розділом штучного інтелекту, що дозволяє виявляти закономірності та взаємозв’язки на основі даних, а також робити прогнози та приймати рішення на основі даних. Курс у практичній формі знайомить із повним робочим процесом машинного навчання — від підготовки даних і розробки моделей, через регресію, класифікацію та неконтрольоване навчання, аж до оцінки та інтерпретації моделей. Крім того, ти ознайомишся з сучасними підходами, такими як нейронні мережі, генеративний штучний інтелект та обробка природної мови, а також дізнаєшся, як моделі машинного навчання можна застосовувати на практиці.
-
Тип ступеня: Сертифікат "Машинне навчання
-
Підсумковий іспит: Praxisbezogene Projektarbeit mit Abschlusspräsentation
-
Час занять: Повна зайнятістьЗ понеділка по п'ятницю з 8:30 до 15:35 (у святкові дні з 8:30 до 17:10)
-
Мова викладання: Німецька
-
Тривалість: 4 Тижні
Вступ до машинного навчання та робочого процесу ML (приблизно 3 дні)
Основи, сфери застосування та види машинного навчання
Систематизація сучасних методів штучного інтелекту та машинного навчання
Робочий процес машинного навчання з використанням scikit-learn
Дані для навчання, валідації та тестування
Недостатнє пристосування, надмірне пристосування та оцінка моделей
Перехресна валідація
Підготовка даних та інженерія ознак (приблизно 2 дні)
Якість даних та попередня обробка даних
Масштабування, нормалізація та кодування
Інженерія ознак та вибір ознак
Робота з відсутніми значеннями, випадаючими значеннями та незбалансованими наборами даних
Навчання з наглядом — регресія та класифікація (приблизно 5 днів)
Методи регресії та класифікації
Лінійні та регуляризовані моделі
Методи, засновані на відстані, ймовірності та деревах
Ансамблеві та бустінгові методи
Порівняння моделей та оптимізація гіперпараметрів
Показники оцінки та ймовірнісні прогнози
Важливість ознак та пояснювана штучна інтелігенція
Автономне навчання (приблизно 2 дні)
Зменшення розмірності та виокремлення ознак
Методи кластеризації та оцінка результатів кластеризації
Виявлення аномалій
Аналіз часових рядів та прогнози (приблизно 1 день)
Основи та аналіз даних часових рядів
Методи прогнозування та машинне навчання для часових рядів
Нейронні мережі та сучасний штучний інтелект (приблизно 2 дні)
Основи нейронних мереж та глибокого навчання
Машинне навчання для текстових даних та обробка природної мови
Базові моделі, великі мовні моделі та генеративний штучний інтелект
Розгортання моделей машинного навчання (приблизно 1 день)
Зберігання та надання навчених моделей
Розробка простих додатків машинного навчання
Інтерфейси та платформи для моделей машинного навчання
Робота над проектом (приблизно 4 дні)
Закріплення вивченого матеріалу
Презентація результатів проекту
Можливі зміни, зміст курсу регулярно оновлюється.
Після проходження курсу ти зможеш готувати дані для застосувань машинного навчання, обирати відповідні методи контрольованого та неконтрольованого навчання, а також навчати, оцінювати та оптимізувати моделі. Ви зможете інтерпретувати результати моделювання та реалізовувати базові додатки машинного навчання. Крім того, ви будете обізнані з сучасними розробками у сфері глибокого навчання та генеративної штучного інтелекту.
Комп'ютерні науки, математика, електротехніка та люди з вищою освітою в галузі (бізнес) інженерії
Машинне навчання застосовується в різних галузях для аналізу великих обсягів даних, виявлення закономірностей, оптимізації процесів та складання прогнозів. Відповідні знання знаходять застосування, зокрема, в ІТ, промисловості, логістиці, фінансах та маркетингу. Знання мови Python, а також навички розробки, оцінки та застосування моделей машинного навчання відкривають можливості для роботи в сферах, орієнтованих на дані та штучний інтелект.
Ваш змістовний сертифікат дає детальне уявлення про отриману кваліфікацію та покращує ваші кар'єрні перспективи.
Дидактична концепція
Ваші викладачі мають високу професійну та дидактичну кваліфікацію і навчатимуть вас від першого до останнього дня (без системи самонавчання).
Ви будете навчатися в ефективних малих групах. Курси зазвичай складаються з 6-25 учасників. Загальні заняття доповнюються численними практичними вправами з усіх модулів курсу. Практичний етап є важливою частиною курсу, оскільки саме в цей час ви опрацьовуєте вивчене, набуваєте впевненості та рутинності в його застосуванні. Заключний розділ курсу передбачає виконання проекту, кейс-стаді або підсумковий іспит.
Віртуальний клас alfaview®
BildungszentrumЗаняття проходять з використанням сучасної відеотехнології alfaview® - або з комфорту вашого власного будинку, або в нашому приміщенні за адресою . Весь курс може бачити один одного віч-на-віч через alfaview®, спілкуватися один з одним в якості голосу, синхронізованого по губах, і працювати над спільними проектами. Звичайно, ви також можете бачитись і спілкуватись зі своїми тренерами наживо в будь-який час, і протягом усього курсу викладачі навчатимуть вас у режимі реального часу. Уроки не є електронним навчанням, а справжнім живим викладанням віч-на-віч за допомогою відеотехнологій.
alfatraining Agentur für Arbeit Навчальні курси субсидуються та сертифікуються відповідно до положення про затвердження AZAV. Bildungsgutschein Aktivierungs- und VermittlungsgutscheinЯкщо ви подаєте заявку на або , всі витрати на курс, як правило, покриває організація, яка його фінансує.
Europäischen Sozialfonds Deutsche Rentenversicherung Фінансування також можливе через (ESF), (DRV) або регіональні програми фінансування. Berufsförderungsdienst Як військовослужбовець строкової служби, ви можете відвідувати курси підвищення кваліфікації через (BFD). Agentur für Arbeit (Qualifizierungschancengesetz) Компанії також можуть підвищити кваліфікацію своїх працівників за допомогою програми фінансування від .