Der Kurs bietet den Teilnehmern eine solide Einführung in das Gebiet des maschinellen Lernens und stellt die grundlegenden Konzepte, Techniken und Algorithmen vor, die in der Disziplin verwendet werden. Der Kurs untersucht die Arten von Ansätzen des maschinellen Lernens, wie überwachtes, unüberwachtes und Belohnungslernen, sowie die verschiedenen Algorithmen, die bei der Entwicklung maschineller Lernlösungen verwendet werden. Die Teilnehmer lernen etwas über Datenmanagement, die notwendige Infrastruktur und wie man maschinelle Lernlösungen in verschiedenen Kontexten evaluiert und implementiert.
Der Kurs richtet sich an Personen, die sich mit den grundlegenden Konzepten und Techniken des maschinellen Lernens vertraut machen möchten, ohne dass Vorkenntnisse auf diesem Gebiet erforderlich sind. Dieser Kurs eignet sich für Studierende, IT-Experten, Datenanalysten, Forscher und alle, die daran interessiert sind, maschinelles Lernen in verschiedenen Kontexten zu verstehen und anzuwenden. Die in diesem Kurs erworbenen Kenntnisse dienen als solide Grundlage für die weitere Erforschung des Bereichs maschinelles Lernen und künstliche Intelligenz.
Nach Abschluss dieses Kurses erwerben die Teilnehmer Kenntnisse und Fähigkeiten wie:
• Verständnis der grundlegenden Konzepte und Prinzipien des maschinellen Lernens, wie überwachtes, unüberwachtes und Belohnungslernen, sowie der damit verbundenen Ansätze und Typen.
• Vertrautheit mit grundlegenden Algorithmen und Modellen des maschinellen Lernens, wie Klassifizierung, Regression, Clustering und Dimensionsreduktion, um spezifische Probleme zu lösen.
• Verständnis der Risiken und Herausforderungen beim Einsatz von maschinellem Lernen, einschließlich Fragen der Voreingenommenheit, der Modellinterpretierbarkeit und des Datenschutzes.
• Verwaltung der Daten- und Machine-Learning-Infrastruktur zum Trainieren von Machine-Learning-Modellen und Verwaltung der Ressourcen, die zur effektiven Implementierung des Machine-Learning-Prozesses erforderlich sind.
• Auswahl und Bewertung geeigneter Modelle für maschinelles Lernen für verschiedene Probleme und Datensätze sowie Vergleich der Leistung der Modelle.
Für diesen Kurs sind keine technischen Kenntnisse erforderlich.
• Einführung in maschinelles Lernen
• Ansätze und Arten des maschinellen Lernens: überwachtes Lernen, unüberwachtes Lernen, Belohnungslernen
• Grundlegende Algorithmen im maschinellen Lernen: Klassifizierung, Regression, Clustering, Dimensionsreduktion
• Datenmanagement und Infrastruktur für maschinelles Lernen
• Auswahl und Bewertung von Modellen
• Einführung in Deep Learning
• Praktische Anwendungen und Fallstudien
• Risiken und Herausforderungen beim Einsatz von maschinellem Lernen
Der Kurs ist mit keinem Zertifizierungsprogramm verbunden.
