Zertifikatskurs Methoden der KI
Datum | 15.09.2024 bis 15.11.2024 |
Dauer | 4 Vorlesungstermine + 1 Prüfungstermin |
Unterrichtszeiten | i.d.R. freitags: 15:30 Uhr bis 20:30 Uhr; samstags: 09:30 Uhr bis 16:45 Uhr |
Kosten | 1.600,00 € |
Zielgruppe | Ingenieurs- und Naturwissenschaftler sowie Wirtschaftswissenschaftler mit domänen-spezifischem Hintergrund oder fachverwandter Richtung. |
Bildungsart | Fortbildung/Qualifizierung |
Unterrichtsform | Vor-Ort-Teilzeit |
Voraussetzung | Abgeschlossenes Erststudium (Ingenieurs-, Natur- oder Wirtschaftswissenschaften) |
Abschluss | Teilnahmebescheinigung (ohne Prüfungsleistung) oder Hochschulzertifikat mit 5 ECTS nach bestandener Prüfung |
Förderung | ESF-Förderung |
Akademische Weiterbildung | Dieser Kurs richtet sich speziell an Interessenten einer akademischen Weiterbildung. |
Präsenzkurs | Dieser Kurs findet ausschließlich als Anwesenheitsveranstaltung statt. |
mind. Teilnehmerzahl | k. A. |
max. Teilnehmerzahl | 8 |
Dozent | Prof. Dr. Dieter Joenssen |
URL des Kurses | Details beim Anbieter |
Anmelde URL des Kurses | Direkte Anmeldung beim Anbieter |
spezielles Angebot für Dozenten | Keine Angabe. |
Veranstaltungsort
|
Graduate Campus Hochschule Aalen
Beethovenstraße 1 73430 Aalen (Württemberg) |
Abendkurs | Bildungsgutschein | Förderfähig nach Fachkursprogramm des ESF | Barierrefreier Zugang |
---|---|---|---|
Ja | Nein | k. A. | Nein |
Beschreibung |
---|
Die Teilnehmenden kennen und verstehen die Konzepte des maschinellen Lernens. Sie können den Grundaufbau und Variationen der Verfahren einordnen. Sie verstehen den Prozess zum Aufbau qualitativ hochwertiger Modelle und können entsprechende Weichenstellungen definieren. Sie können diese Modelle trainieren und ihre Leistung verlässlich analysieren. LEHRINHALTE Introduction: What is Machine Learning? Building an understanding of what constitutes ML, beyond marketing buzz-words. Introduction: Python & Machine Learning: Learning the basics of a programming language ubiquitous in Data Analytics. CRISP-DM: A process to develop ML-Solutions: Quality and reproducibility built into this standardized, encompassing approach. Modelling – general procedure & principles explained using regression: Creating models with low bias and high precision by introducing additional steps. Methods: The core of any ML solution, learning methods for prediction. Ensemble Methods: Improving on the predictive accuracy by applying meta models. |
Schlagworte |
---|
innovation, sicherheit, zertifikat, digital, maschinell, datenanalyse, internet der dinge, industrie 4 0 |
Gelistet in folgenden Rubriken: |
---|