-
Тип ступеня: Сертифікат "Машинне навчання
-
Додаткові кваліфікації: Сертифікат "Статистика та аналіз даних"
-
Підсумковий іспит: Praxisbezogene Projektarbeiten mit Abschlusspräsentationen
-
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: 8 Тижні
Статистика та аналіз даних
Основи статистики (близько 6 днів)
Основи теорії вимірювання (генеральна сукупність, вибірка, типи вибірок, вимірювання, рівні шкали)
Одновимірна описова статистика (частотні розподіли, центральні міри, міри дисперсії, стандартизація, гістограми, стовпчикові діаграми, кругові діаграми, лінійні діаграми, блок-діаграми)
Двовимірна описова статистика (міри кореляції, коефіцієнти кореляції, перехресні таблиці, діаграми розсіювання, згруповані гістограми)
Основи індуктивної вивідної статистики (розподіли ймовірностей, нормальний розподіл, вибірковий розподіл середнього, тест на значущість, перевірка нульової гіпотези, рівень значущості, розмір ефекту, оцінка параметрів, довірчі інтервали, гістограми помилок, аналіз потужності, розмір вибірки)
Підготовка даних та очищення даних за допомогою відповідного програмного забезпечення
Описовий аналіз
Візуалізація статистичних результатів
Аналіз та інтерпретація статистичних результатів за допомогою штучного інтелекту
Методи для порівняння двох груп (приблизно 5 днів)
z-тест, t-тест для однієї вибірки
t-тест для незалежних і пов'язаних вибірок
Претест-посттестові дизайни з двома групами
допоміжні тести значущості (тест Андерсона-Дарлінга, тест Райана-Джойнера, тест Левен, тест Бонетта, тест значущості для кореляцій)
Непараметричні методи (критерій Вілкоксона, критерій знаків, критерій Манна-Уітні)
Аналіз непередбачуваності (біноміальний тест, точний тест Фішера, тест хі-квадрат, перехресні таблиці, міри асоціації)
Інтерпретація результатів тестування
Інтерпретація результатів за допомогою штучного інтелекту
Основи регресійного аналізу (близько 2 днів)
Лінійна регресія
Інтерпретація моделей
Інтерпретація моделей за допомогою штучного інтелекту
Кореляційний аналіз
Методи порівняння середніх значень декількох груп (приблизно 3 дні)
Однофакторний та двофакторний дисперсійний аналіз (ANOVA)
Постфактум аналіз
Інтерпретація групових відмінностей
Багатофакторний дисперсійний аналіз (загальна лінійна модель)
Фіксовані, випадкові, перехресні та вкладені фактори
Методи множинних порівнянь (Tukey-HSD, Dunnett, Games-Howell)
Аналіз взаємодії
Аналіз потужності для дисперсійного аналізу
Вступ до планування експерименту (ПЕ) (приблизно 1 день)
Повні та частково факторні експериментальні плани
Робота над проектом (близько 3 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
Можливі зміни, зміст курсу регулярно оновлюється.
Після цього курсу ви зможете підготувати дані, провести їх статистичний аналіз та професійно інтерпретувати отримані результати. Ви зможете самостійно проводити статистичний аналіз за допомогою відповідного програмного забезпечення, візуалізувати результати та використовувати методи для перевірки гіпотез і підтримки прийняття рішень. Ви також зможете планувати вибірки та проводити факторний аналіз.
Ви також маєте відповідні знання про машинне навчання. Ви знаєте найважливіші причини використання машинного навчання, сфери його застосування, а також різні категорії та концепції машинного навчання. Ви доповните свої знання навичками оцінювання та вдосконалення.
Комп'ютерні науки, математика, електротехніка та люди з вищою освітою в галузі (бізнес) інженерії
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.
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 .