Цей курс надасть тобі теоретичні та практичні знання з основних галузей економіки. При цьому необхідні для професійної діяльності терміни та професійна комунікація застосовуватимуться та поглиблюватимуться з урахуванням практичних аспектів. Після цього ти здобудеш знання в галузі аналізу та візуалізації даних, а також управління даними. Ти отримаєш важливі знання з теми машинного навчання. На завершення ти ознайомишся зі сферами застосування глибокого навчання та принципами функціонування нейронних мереж.
-
Тип ступеня: Сертифікат "Goethe-Test PRO
Сертифікат "Розробник машинного навчання" -
Додаткові кваліфікації: Сертифікат "Аналітика даних
Сертифікат "Машинне навчання
Сертифікат "Глибинне навчання -
Підсумковий іспит: Praxisbezogene Projektarbeiten mit Abschlusspräsentationen
Goethe-Test PRO -
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: 20 Тижні
Професійна підтримка німецької мови для комерційного та технічного сектору
Професійне спілкування в робочому середовищі (приблизно 1 день)
Комунікація в типових професійних ситуаціях
Використання професійних термінів у робочому контексті
Розуміння професійних текстів, робочих інструкцій та інформації про підприємство
Розуміння розмов та нарад у професійному контексті
Ділова кореспонденція (приблизно 2 дні)
Верстка та оформлення ділових листів
Сучасні форми звернення та вступні фрази
Написання листів та електронних листів, орієнтованих на клієнтів
Інструменти для формулювання електронних листів та ділових листів на основі штучного інтелекту
Звітність у компанії
Складання супровідних листів до резюме відповідно до стандарту DIN 5008
Штучний інтелект (ШІ) у професійній комунікації (приблизно 1 день)
Огляд інструментів ШІ у професійному середовищі
Підтримка у веденні ділового листування за допомогою ШІ
Створення та оптимізація професійних текстів за допомогою ШІ
Можливості та обмеження ШІ у повсякденній роботі
Професійна сфера управління комунікаціями (близько 3 днів)
Комунікація в компанії
Форми комунікації в командах
Зустрічі та презентації
Управління конфліктами
Проведення оціночних співбесід
Проведення співбесід при прийомі на роботу
Проведення співбесід з продажу та консультування
Написання комерційних пропозицій
Виставки та презентації продукції
Робота зі скаргами
Сфера діяльності «Економіка» (приблизно 6 днів)
Основи управління персоналом, менеджменту та трудового права
Основи фінансів та контролінгу
Структура та зміст розрахунків заробітної плати
Розуміння та інтерпретація виробничих звітів, діаграм та статистичних даних
Професійна сфера маркетингу (близько 6 днів)
Основи реклами
Аналіз ринку та маркетингові дослідження
Інтернет-маркетинг та електронна комерція
Маркетингові комунікації
Використання штучного інтелекту у створенні маркетингових текстів
Бізнес-процеси (приблизно 7 днів)
Реструктуризація та управління процесами
Зміни процесів у компанії
Цифрова трансформація
Енергоменеджмент та
охорона навколишнього середовища в компанії
Управління проектами
Професійна сфера логістики та торгівлі (близько 8 днів)
Виробництво та
Закупівлі та закупівлі
Доставка і транспорт
Роздрібна торгівля
Робота над проектом, підготовка до сертифікації та сертифікаційний іспит "Goethe-Test PRO" (близько 6 днів)
Аналітика даних
Вступ до аналізу даних (приблизно 1 день)
Еталонна модель CRISP-DM
Робочі процеси аналізу даних
Визначення штучного інтелекту, машинного навчання, глибокого навчання
Вимоги та роль в компанії інженерів даних, науковців даних та аналітиків даних
Огляд основ Python (приблизно 1 день)
типи даних
Функції
Аналіз даних (близько 3 днів)
Модулі Central Python в контексті аналізу даних (NumPy, Pandas)
Процес підготовки даних
Алгоритми інтелектуального аналізу даних на Python
Штучний інтелект (ШІ) в робочому процесі
Презентація конкретних технологій ШІ
та можливих застосувань у професійному середовищі
Візуалізація даних (близько 3 днів)
Розвідувальний аналіз даних
інсайти
Якість даних
Аналіз переваг
Візуалізація за допомогою Python: Matplotlib, Seaborn, Plotly Express
Сторітелінг даних
Управління даними (близько 2 днів)
Архітектури великих даних
Реляційні бази даних з SQL
Порівняння SQL та NoSQL баз даних
Бізнес-аналітика
Захист даних в контексті аналізу даних
Аналіз даних в контексті великих даних (приблизно 1 день)
Підхід MapReduce
Spark
NoSQL
Дашборди (приблизно 3 дні)
Бібліотека: Dash
Структура та налаштування дашбордів
Зворотні дзвінки
Text Mining (приблизно 1 день)
Попередня обробка даних, візуалізація
Бібліотека: SpaCy
Робота над проектом (близько 5 днів)
Закріплення вивченого матеріалу
Презентація результатів проекту
Машинне навчання
Вступ до машинного навчання (близько 5 днів)
Чому машинне навчання?
Приклади застосування
Навчання під контролем, навчання без контролю, частково контрольоване навчання, навчання з підкріпленням
Приклади наборів даних
Знайомство з даними
Навчальні, валідаційні та тестові дані
Перегляд даних
Прогнозування
Навчання під наглядом (приблизно 5 днів)
Класифікація та регресія
Узагальнення, надмірна та недостатня підгонка
Розмір набору даних
Алгоритми для керованого навчання
Лінійні моделі
Байєсівські класифікатори
Дерева рішень
Випадковий ліс
Градієнтний бустінг
k-найближчих сусідів
Машини опорних векторів
Умовне випадкове поле
Нейронні мережі та глибоке навчання
Ймовірності
Самостійне навчання (близько 5 днів)
Типи самостійного навчання
Попередня обробка та масштабування
Перетворення даних
Масштабування навчальних і тестових даних
Зменшення розмірності
Інженерія особливостей
Навчання на множині
Декомпозиція головних компонент (PCA)
Невід'ємна матрична факторизація (NMF)
Навчання на множині з t-SNE
Кластерний аналіз
Кластеризація k-середніх
Агломеративна кластеризація
Ієрархічний кластерний аналіз
DBSCAN
Кластерні алгоритми
Оцінка та вдосконалення (приблизно 2 дні)
Вибір моделі та оцінка моделі
Налаштування гіперпараметрів оцінювача
Перехресна перевірка
Пошук по сітці
Метрики оцінки
Класифікація
Робота над проектом (близько 3 днів)
Закріплення вивченого матеріалу
Презентація результатів проекту
Глибоке навчання
Вступ до глибокого навчання (приблизно 1 день)
Глибинне навчання як різновид машинного навчання
Основи нейронних мереж (близько 4 днів)
Багатошарові персептрони
Розрахунок нейронних мереж
Оптимізація параметрів моделі, регресія
Бібліотеки глибокого навчання
Регресія проти класифікації
Типові функції втрат та активації
Оцінка прогнозу моделі за допомогою метрик
Метрики регресії та класифікації
Криві навчання, перенавчання та регуляризація
Гіперпараметрична оптимізація
L1/12 регуляризація
Відсіювання
Рання зупинка
Стохастичний градієнтний спуск (SGD)
Momentum, Adam Optimiser
Оптимізація швидкості навчання
Динамічне регулювання швидкості навчання
Зменшення швидкості навчання на плато
Оптимізація швидкості навчання за допомогою TensorBoard
Контролюйте процес підгонки за допомогою зворотних дзвінків
Збереження та завантаження моделей
Згорткова нейронна мережа (CNN) (приблизно 2 дні)
Класифікація зображень
Згорткові шари, об'єднання шарів
Переформування шарів, згладжування, глобальне середнє об'єднання
Архітектури CNN ImageNet-Competition
Глибокі нейронні мережі, зникаючі градієнти, пропуск зв'язків, пакетна нормалізація
Трансферне навчання (приблизно 1 день)
Адаптація та комбінування моделей
Попереднє навчання без нагляду
Доповнення даних зображень, зрозумілий ШІ
Завантажувач даних
Регіональний CNN (приблизно 1 день)
Локалізація об'єктів
Семантична сегментація
Регресійні задачі
Розгалужені нейронні мережі
Архітектура YOLO
U-Net моделі
Методи створення креативного іміджу (близько 1 дня)
Генеративні мережі суперництва (GAN)
Deepfakes
Дифузійні моделі
Надвисока роздільна здатність
Доповнення областей зображення
Нанесення базових моделей від Hugging Face
Мультимодальні моделі
LoRA-Fine-Tuning
Області застосування генеративних моделей
Юридичні обмеження
Рекурентні нейронні мережі (приблизно 2 дні)
Аналіз послідовностей
Рекурентні шари
Поширення в часі (BPTT)
Аналіз часових рядів
Проблеми градієнта, що вибухає та зникає
LSTM (Довга короткочасна пам'ять)
GRU (Gated Recurrent Unit)
Глибокий RNN
Deep LSTM
Обробка тексту за допомогою нейронних мереж (близько 2 днів)
Попередня обробка тексту
Вбудовування шарів
Класифікація тексту
Аналіз настрою
Обробка природної мови (NLP)
Переклади
Генерація тексту
Метод "від послідовності до послідовності", архітектура кодер-декодер
Моделі тільки кодера та тільки декодера
Локальне застосування великих мовних моделей
Мовні моделі (приблизно 1 день)
Архітектура трансфомерів
Увага та багатоголова увага
Позиційні кодування
Тонке налаштування великих мовних моделей
Підказки
Конвеєри генерації тексту
Підсумовування
Чат-боти
Пошукове доповнене покоління
Агенти штучного інтелекту
Навчання з глибоким підкріпленням (приблизно 1 день)
Управління динамічними системами
Агентні системи
Навчання через винагороду
Градієнти політики
Глибоке Q-навчання
Байєсівські нейронні мережі (приблизно 1 день)
Невизначеності в нейронних мережах
Статистична оцінка прогнозів
Достовірність, середньоквадратичне відхилення
Незбалансовані дані
Методи вибірки
Робота над проектом (близько 3 днів)
Закріплення вивченого матеріалу
Презентація результатів проекту
Можливі зміни, зміст курсу регулярно оновлюється.
Після закінчення курсу ви матимете знання з аналізу та візуалізації даних, а також управління даними. Ви будете знайомі з найважливішими причинами використання машинного навчання, сферами застосування та різними категоріями і концепціями машинного навчання. Ви також будете знайомі зі сферами застосування глибокого навчання та принципами роботи нейронних мереж. Ви зрозумієте, як нейронні мережі можуть розпізнавати об'єкти на зображеннях і здатні забезпечити машинне навчання та документування процесів.
Крім того, курс надає тобі теоретичні та практичні знання з основних галузей економіки, таких як економіка, маркетинг, організація підприємства та логістика. Ти навчишся складати ділову кореспонденцію відповідно до чинних норм та впевнено діяти у внутрішній і зовнішній корпоративній комунікації. Ви будете застосовувати на практиці та поглиблювати знання з професійної термінології та ділової комунікації, отримані в ході навчання. Поєднання фахових тем та практичного мовного досвіду, пов’язаного з професією, допоможе вам і надалі розвивати свої фахові та комунікативні компетенції в професійному контексті.
Комп'ютерні науки, математика, електротехніка та люди з вищою освітою в галузі (бізнес) інженерії
Крім того, цей курс призначений для іноземних фахівців з комерційним або технічним досвідом, які бажають вдосконалити свої фахові та професійні комунікативні навички для виходу на німецький ринок праці.
Машинне навчання використовується в багатьох сферах: самостійна розробка відповідних спам-фільтрів для Інтернету, створення точних прогнозів рівня запасів в управлінні ланцюгами поставок або розробка прогнозів закупівель для окремих клієнтів або сегментів клієнтів у маркетингу. Працівники, які мають кваліфікацію в галузі машинного навчання, можуть бути задіяні у всіх секторах і тому користуються високим попитом на ринку праці.
Крім того, цей курс дає тобі можливість вдосконалити знання німецької мови в професійному контексті, щоб складати ділову кореспонденцію відповідно до чинних норм та впевнено вести ділову комунікацію як всередині компанії, так і за її межами. Отримавши сертифікат « alfatraining », ти підтвердиш набуті професійні компетенції та полегшиш собі початок кар’єри та кар’єрне зростання.
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 .