Sie möchten einen tiefen Einblick in das maschinelle Lernen gewinnen? Dann sind Sie in unserem Modul „Advanced Machine Learning“ genau richtig. Aufbauend auf den Modulen „Machine Learning“ und „Decision Support“ vermittelt das Modul „Advanced Machine Learning“ einen tieferen Einblick in die Methoden des maschinellen Lernens und deren Anwendungen. Nach Abschluss dieses Moduls sind Sie in der Lage, maschinelles Lernen und weitere Begrifflichkeiten entsprechender Teilgebiete und verwandter Fachbereiche zu deuten, zu interpretieren und entsprechend einzuordnen. Überdies werden Ihnen unterschiedliche Methoden und Verfahren des überwachten maschinellen Lernens vermittelt, welche Sie qualifiziert beurteilen und im Kontext praktischer Anwendungs- bzw. Problemfälle mithilfe geeigneter Techniken auswählen, (in Python) implementieren und anwenden können.
Advanced Machine Learning
- Modul aus einem akkreditierten Studiengang
- Alternative zum Masterstudiengang Data Science
- Flexibles und individuell ausgestaltbares Weiterbildungskonzept
- Weiterbildung auf akademischem Niveau
Termine / Veranstaltungsort / Kosten
| Termin | Veranstaltungsort | Kosten |
|---|---|---|
| 27.11.2023 - 21.01.2024 Artikel-Nr.: HAS-DatSc-ZERT-AdML-202311 | Albstadt-Sigmaringen & Online | 1.005,00 € |
Veranstalter und Veranstaltungsort
Veranstalter
Hochschule Albstadt-Sigmaringen
Veranstaltungsort
Online und
Campus Albstadt
Poststr. 6
72458 Albstadt
Zielgruppe und Voraussetzungen
Zielgruppe
Personen, die sich im Bereich Advanced Machine Learning auf akademischem Niveau sowie berufsbegleitend weiterbilden möchten.
Teilnahmevoraussetzungen
Für die Teilnahme an unseren Zertifikatsmodulen bestehen keine verpflichtenden Teilnahmevoraussetzungen, wir empfehlen Ihnen jedoch vorab das Modul Machine Learning zu belegen.
Zulassungsunterlagen
Anmeldeformular
Inhalte und Lernziele
Inhalte
- Allgemeiner Backpropagation Algorithmus
- Convolutional Neural Networks und Deep Learning
- Recurrent Neural Networks und LSTM
- Kernel Methoden und Support Vector Machines
- Reinforcement Learning und Deep Q-Learning
- Graphical Probabilistic Models
- Lernen Probabilistischer Modelle und Expectation Maximization
- Modellkombination
- Lernen von Verhaltensmodellen
- Implementierung/Anwendung ausgewählter Methoden mit Python, Numpy, Scikit-learn, Tensorflow, Kera
Ablauf
Ca. zwei Wochen vor dem Beginn eines Moduls erhalten Sie Zugriff auf die entsprechenden Lernmaterialien, wie bspw. Studienbriefe, Reading Guides sowie Online-Lernvideos über unsere E-Learning-Plattform. In der Online-Phase (ca. 5 bis 6 Wochen) werden die Inhalte aus den Studienbriefen bzw. Reading Guides in Online-Seminaren sowie durch praktische Übungen im virtuellen Lernlabor und auf der Lernplattform ILIAS vertieft. Die Ergebnisse werden durch die Tutoren geprüft und Sie erhalten ein ausführliches Feedback. Das Modul schließt mit einem Modulwochenende (Samstag und Sonntag) ab, dort werden Inhalte aus den Studienbriefen aufgegriffen, offene Fragen geklärt und ergänzende Inhalte durch die Dozierenden und Tutor*innen vermittelt. Abschließend erfolgt die Abnahme des Leistungsnachweises in Form einer Prüfung.
Lernziele
Die Teilnehmer*innen
- … kennen wesentliche Begriffe des Maschinellen Lernens.
- … kennen fortgeschrittene Verfahren und Techniken für das Maschinelle Lernen.
- … kennen fortgeschrittene Aufgabenstellungen aus dem Themengebiet von Maschinellem Lernen.
- … sind in der Lage fortgeschrittene Problem- und Aufgabenstellungen mit Bezug auf das Themengebiet Machine Learning zu erkennen, diese, basierend auf eigenem Wissen und durch die gezielte Recherche zu beschreiben, Lösungsansätze zu entwickeln und diese allein oder im Team umzusetzen.
- … sind in der Lage, eine anwendungsbezogene Evaluation von fortgeschrittenen Verfahren und Methoden des Maschinellen Lernens sowie von den diese Verfahren implementierenden Systemen auszuführen, und darauf basierend eine zielgerechte Auswahl zu treffen.
- … sind in der Lage wissenschaftliche Beiträge im Themenbereich Machine Learning eigenständig zu lesen und qualitative Vergleiche der gelesenen Beiträge systematisch zu präsentieren.
Das Modul vermittelt einen systematischen vereinheitlichenden Überblick über Methoden des maschinellen Lernens und deren Anwendungsmöglichkeiten. Nach Abschluss dieses Moduls soll der/die Studierende die wichtigsten Methoden kennen und verstehen, sowie in der Lage sein, je nach Problemstellung – geeignete Verfahren des Maschinellen Lernens auszuwählen, anzuwenden und zu evaluieren.
Format, Abschluss, Qualitätssicherung
Lehr- / Lernformat
Blended-Learning
Abschluss
Hochschulzertifikat mit ECTS nach bestandener Prüfungsleistung.
Zeitaufwand
Der durchschnittliche Aufwand pro Modul beträgt erfahrungsgemäß in etwa 15-20 Stunden in der Woche, wobei der Workload selbstverständlich auch stark von Ihren Vorkenntnissen und Ihrer Berufserfahrung sowie Ihrem persönlichen Lerntempo abhängt.
Creditpoints (ECTS)
5
Sprache
Deutsch
Anerkennung
Durch die Vergabe von Leistungspunkten (ECTS) bei unseren Zertifikaten lassen sich diese auf ein späteres Hochschulstudium anrechnen.
Aussagen zur Qualitätssicherung
Die Module sind aus einem akkreditieren Masterstudiengang.
Termine und Fristen
Anmeldefrist
13.11.2023
Kosten
Kosten
880,00€ Modulgebühr + 125,00€ Verwaltungs- und Zertifikatsgebühr
Weitere Preisinformationen
Es fallen keine weiteren Gebühren an. Nach Bedarf können Module wiederholt werden, hierbei fällt eine Wiederholgebühr i.H.v. 250,00€ pro Modul an.
Dozent*innen
Prof. Dr. Andreas Knoblauch
Zum nachlesen
Sie möchten mehr erfahren?
Schauen Sie sich weitere Module unseres Zertifikatsprogramms an:
