Zertifikatskurs Applied Machine Learning
Datum | 15.09.2024 bis 15.11.2024 |
Dauer | 3 Tage Vorlesung in Präsenz + 1 online Prüfungstermin |
Unterrichtszeiten | Mittwoch bis Freitag, 9.30 - 16.45 Uhr, Prüfung Freitagnachmittags 15.30 - 20.30 Uhr |
Kosten | 1.600,00 € |
Zielgruppe | Für Fach- und Führungskräfte, die sich neben dem Beruf wissenschaftlich weiterqualifizieren möchten. |
Bildungsart | Fortbildung/Qualifizierung |
Unterrichtsform | Blockunterricht |
Voraussetzung | Abgeschlossenes Erststudium; Grundkenntnisse Programmierung Python, Kenntnisse in SKLearn, Caffe/Torch oder Tensorflow/Keras, Grundlagen Maschinelles Lernen in Methoden und Validierungsansätzen |
Abschluss | Sie erhalten nach Abschluss eines Kurses entweder eine Teilnahmebestätigung (ohne Prüfungsleistung) oder ein Zertifikat der Hochschule Aalen mit Note und dem Nachweis des Erwebs von 5 ECTS*, das nach einer erfolgreich abgelegten Prüfungsleistung ausgestel |
Förderung | keine |
Präsenzkurs | Keine Angabe. |
mind. Teilnehmerzahl | 8 |
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 |
---|---|---|---|
k. A. | Nein | k. A. | k. A. |
Beschreibung |
---|
LERNZIELE Die Lehrveranstaltung widmet sich der Vertiefung der Methoden und Toolkompetenzen der Teilnehmenden anhand praktischer Projekttätigkeiten vom Business Understanding bis zum Deployment. Hierzu bringen die Teilnehmenden Wissen und Verständnis zu den Konzepten des maschinellen Lernens mit und können den Grundaufbau sowie Variationen der Verfahren diskutieren. Durch die Umsetzung und Anwendung im Projekt erweitern sie ihr Verständnis im Prozess zum Aufbau qualitativ hochwertiger Modelle, den Wert der Dokumentation und die entsprechend erforderlichen Weichenstellungen. Hierzu wird vertiefend auf Eigenheiten in ML-Projekten und der Umsetzung in der Deployment-Phase eingegangen. LEHRINHALTE Projektthemen und Rahmenbedingungen Vorstellung ausgewählter Projekte und Diskussion der Daten Referenzprozess CRISP-DM Vertiefung in dem Referenzprozess und dessen Anwendung in der Praxis mit einem Fokus auf Ergebnisobjekte und -typen sowie dem Mapping vom CRISP-Model auf den CRISP-Process in der Projektaufgabe. Agile Methoden und Anwendung im Referenzprozess Wiederholung der Agilen-Methoden zum Projektmanagement. Aufsetzen einer Projektstruktur im Referenzprozess und Besonderheiten. Predictive model interchange formats & ML-OPS Management und Serving von Machine Learning Modellen mit PMML und ML-OPS für Continuous Delivery von Modellen in einem Prediction Service. Projektarbeit und Betreuung Bearbeitung der gestellten Projektaufgaben Durchführung des Berichtswesens Projektpräsentationen Endpräsentation der Ergebnisse |
Gelistet in folgenden Rubriken: |
---|