-
Тип ступеня: Сертифікат "Машинне навчання
-
Додаткові кваліфікації: Сертифікат "Статистика
-
Підсумковий іспит: Практична робота над проектами з фінальними презентаціями
-
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
Основи статистики (близько 6 днів)
Основи теорії вимірювання (генеральна сукупність та вибірка, типи вибірок, рівні вимірювання та шкали)
Одновимірна описова статистика (частотні розподіли, центральні міри, міри дисперсії, стандартне значення, гістограми, стовпчикові діаграми, кругові діаграми, лінійні діаграми та блок-діаграми)
Двовимірна описова статистика (міри кореляції, коефіцієнти кореляції, перехресні таблиці, діаграми розсіювання та згруповані гістограми)
Основи індуктивної вивідної статистики (розподіл ймовірностей, нормальний розподіл, розподіл середніх значень, тест на значущість, перевірка нульової гіпотези Фішера, розмір ефекту, оцінка параметрів, довірчі інтервали, гістограми помилок, аналіз потужності та визначення оптимального розміру вибірки)
Штучний інтелект (ШІ) в робочому процесі
Презентація конкретних технологій ШІ
та можливих застосувань у професійному середовищі
Методи для порівняння двох груп (приблизно 5 днів)
z- і t-тест для вибірки (відхилення від заданого значення)
t-тест для середньої різниці між двома незалежними/зв'язаними вибірками
Перевірка ефективності дій, заходів, втручань та інших змін за допомогою t-тестів (претест-посттест з двома групами)
допоміжні тести значущості (тест Андерсона-Дарлінга, тест Райана-Джойнера, тест Левена, тест Боннета, 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 з мірами асоціації)
Методи порівняння середніх значень декількох груп (приблизно 5 днів)
Одно- та двофакторний дисперсійний аналіз (простий та збалансований ANOVA)
Багатофакторний дисперсійний аналіз (загальна лінійна модель)
Фіксовані, випадкові, перехресні та вкладені фактори
Методи множинних порівнянь (Tukey-HSD, Dunnett, Hsu-MCB, Games-Howell)
Аналіз взаємодії (аналіз ефектів взаємодії)
Аналіз вибірковості та потужності для дисперсійного аналізу
Вступ до планування експерименту (ПЕ) (приблизно 1 день)
Повні та часткові 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 зрозумієте основи статистики, зможете обробляти та оцінювати дані, а також представляти, пояснювати та інтерпретувати статистичний аналіз даних і результати за допомогою графіків.
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 .