Künstliche Intelligenz – Machine Learning

Veranstalter

Graduate Campus Hochschule Aalen

Veranstaltungsort

Hochschule Esslingen
Kanalstraße 33
73728 Esslingen am Neckar

Zielgruppe

Für Weiterbildungsinteressierte mit ersten Kenntnissen des Programmierens, die die Grundlagen des maschinellen Lernens erlernen und in die Welt der künstlichen Intelligenz mit dem Fokus auf den Bereich Automotive eintauchen möchten.

Teilnahmevoraussetzungen

• Programmierkenntnisse in mind. einer Programmiersprache
• Grundkenntnisse in linearer Algebra
• Gute Englischkenntnisse

Zulassungsunterlagen

Abgeschlossenes Erststudium

Inhalte

Unter anderem:

1. Prof. Dr.-Ing. Nicolaj Stache:
1.1 Grundlagen des maschinellen Lernens, Überblick über klassische Verfahren, Begrifflichkeiten
1.2 Einführung in das Tooling für die Praxisphasen: Python, Jupyter Notebook, Python-Bibliotheken, Tensor-Flow
1.3 Praxisphase: klassische Verfahren des maschinellen Lernens

2. Prof. Dr. Oliver Wasenmüller:
2.1 Lineare Klassifikation
2.2 Optimierung
2.3 Neuronale Netzwerke
2.4 Rückpropagation

3. Prof. Dr.-Ing. Nicolaj Stache:
3.1 Vertiefung in das Tooling für die Praxisphasen: Numpy
3.2 Einführung in neuronale Netze, Inferenz, Training
3.3 Praxisphase: Neuronales Netz mit Numpy
3.4 Tiefe neuronale Netze
3.5 Praxisphase: Einführung in Tensorflow & Digit Recognition
3.6 Convolutional Neural Networks
3.7 Praxisphase: Verkehrszeichenklassifikation über Deep Learning

4. Prof. Dr. Oliver Wasenmüller:
4.1 Deep Learning Hardware & Software
4.2 Traning: Aktivierungsfunktionen, Datenvorverarbeitung, Gewichtsinitialisierung, Regularisierung, Lernrate,
Batch Training, Hyperparamerer Optimierung

5. Prof. Dr.-Ing. Nicolaj Stache:
5.1 Bekannte Netzwerk-Architekturen
5.2 Praxisphase: Transfer-Learning
5.3 Fortgeschrittene Anwendungen (GAN, RNN)
5.4 Visualierungstechniken
5.5 Projektarbeitsbeschreibungen, lokale Tooling-Installation

6. Prof. Dr. Oliver Wasenmüller:
6.1 Detektion
6.2 Segmentierung
6.3 Praxisphase: Detektion und Segmentierung
6.4 Reinforcement Learning

Ablauf

Didaktisch sinnvolle Kombination aus Präsenzstudium und selbst gesteuertem Lernen.

Lernziele

• Wichtige Grundprinzipien und Methoden der Künstlichen Intelligenz
• Fähigkeit zur Analyse von Verfahren, Vorgehensweisen, Risiken und Grenzen intelligenter Systeme
• Entwicklung von Lösungsansätzen für typische KI-Probleme
• Entwicklung und Einsatz von Anwendungen für Klassifikations- und Prognosemodelle

Lehr- / Lernformat

Blended-Learning

Abschluss

Teilnahmebescheinigung

Zeitaufwand

• 42 UE Präsenz
• 108 UE Selbststudium/Prüfungsvorbereitung

Sprache

Deutsch / English

Gruppengröße

20 Personen

Der aktuelle Kurs hat bereits begonnen. Neue Termine werden online bekanntgegeben.

Kosten

1400

Weitere Preisinformationen

*Ab September 2023 werden alle Fachkurse des Graduate Campus der Hochschule Aalen mit Start bis zum 31.08.2024 vom Ministerium für Wirtschaft, Arbeit und Tourismus Baden-Württemberg aus Mitteln des Europäischen Sozialfonds Plus (ESF Plus) mit bis zu 1.120 € gefördert. Diese Fördergelder reduzieren die Weiterbildungskosten für Teilnehmende direkt um 30% bis zu 70%. Die ESF-Förderung richtet sich an alle Weiterbildungsinteressierte aus Baden-Württemberg und kann nach der Anmeldung zu einem förderfähigen Kurs in wenigen Schritten beantragt werden. Wenn Sie Interesse an der ESF-Förderung haben, teilen Sie uns dies bitte bei der Buchung eines förderfähigen Kurses im Anmerkungsfeld mit und wir senden Ihnen die entsprechenden Antragsunterlagen zu.

Prof. Dr.-Ing. Nicolaj Stache

Prof. Dr. Oliver Wasenmüller