Maschinelles Lernen für eingebettete Systeme CAS

Kurs-ID IEMS_ML
Datum 16.10.2024 bis 30.09.2025
Dauer 2 Semester
Unterrichtszeiten Teilzeit: Blended Learning / berufsbegleitend
Kosten k. A.
Zielgruppe Fachkräfte aus Informatik, Mikrosystemtechnik, Elektronik, Elektrotechnik Mechatronik oder verwandten Disziplinen! Unser Programm richten sich an alle, die sich berufsbegleitend im Bereich der Embedded Systems weiterbilden möchten - auch an Teilnehmer ohne Hochschulabschluss.
Unterrichtsform E-Learning/ Blended Learning / Virtuelles Klassenzimmer
Voraussetzung Fachliche Eignung
Abschluss Zertifikat der Albert-Ludwigs-Universität Freiburg
Förderung Frühbucherrabatt
Akademische Weiterbildung Dieser Kurs richtet sich speziell an Interessenten einer akademischen Weiterbildung.
Präsenzkurs Keine Angabe.
mind. Teilnehmerzahl k. A.
max. Teilnehmerzahl k. A.
Dozent Lehrteam iems
URL des Kurses Details beim Anbieter
Anmelde URL des Kurses Direkte Anmeldung beim Anbieter
spezielles Angebot für Dozenten Ja.
Veranstaltungsort
 
Albert-Ludwigs-Universität Freiburg / Technische Fakultät, Georges-Köhler-Allee 51
Georges-Köhler-Allee 10
79110 Freiburg im Breisgau

 

AbendkursBildungsgutscheinFörderfähig nach Fachkursprogramm des ESFBarierrefreier Zugang
Jak. A.k. A.Ja

 

Beschreibung
Während Sie eine Einführung in das Forschungsgebiet des Maschinellen Lernens erhalten, lernen Sie unter anderem, wie man automatisch Spam E-Mails erkennt oder Gehirndaten klassifiziert. Darüber hinaus werden auch in diesem Kurs Fachkenntnisse über das weitreichende Potenzial vernetzter eingebetteter Systeme vermittelt. Im Detail setzt sich der Studiengang aus den beiden Kursen Maschinelles Lernen sowie Vernetzte eingebettetete Systeme zusammen.

Inhalte des Kurses:
Der Kurs gibt eine Einführung in das Forschungsgebiet Maschinelles Lernen. Behandelt werden Methoden des unüberwachten und vor allem des überwachten Lernens.
Themengebiete sind unter anderem: Regression und Klassifikation, Dimensionsreduktion, Random Forests, Deep Learning, Kernel-Methoden u.v.m.

Gründe sich mit maschinellem Lernen auseinanderzusetzen sind unter anderem:

die Fortschritte in der Algorithmenentwicklung und der dazugehörigen Theorie
die stetig zunnehmende Menge an Daten
die steigende Rechenleistung
datengetriebenen Erkenntnisgewinn zu ermöglichen
es handelt sich um einen aufstrebenden Industriezweig

Es gibt unter anderem folgende drei Nischen für Maschinelles Lernen:

Data mining: Nutzung historischer Daten, um die Entscheidungsfindung zu verbessern (Beispiel: Medizinische Akten => Medizinisches Wissen)
Softwareanwendungen die nicht mehr manuell programmierbar sind (Beispiel: Autonomes Fahren, Spracherkennung
Selbstanpassende Programme)
Beispiel: Newsreader der sich an die Vorlieben des Benutzers anpasst (Beispiele praktischer Anwendungen der im Kurs behandelten Themen sind etwa der Einsatz der Algorithmen im Bereich der Robotik, der Chemoinformatik oder in der so genannten Business Intelligence).

 

Schlagworte
informatik, elektrotechnik, mikrosystemtechnik, maschinell, algorithmen, embedded, automatisierungstechnik

 

Gelistet in folgenden Rubriken: