Sie befinden sich hier:

Machine Learning (Fortgeschrittenenkurs)

Erkunden Sie die Welt des maschinellen Lernens und wenden Sie die erlernten Methoden und Konzepte in praktischen Übungen an realen Daten direkt an.
Die englischsprachige Fortbildung Machine Learning setzt sich aus einem Anfänger- und einem Fortgeschrittenenkurs zusammen. Der Fortgeschrittenenkurs zielt darauf ab, ein Verständnis für Deep Learning und Datenvisualisierung zu entwickeln. Die theoretischen Kenntnisse über Komponenten und Architekturen neuronaler Netze werden mit überwachten und unüberwachten Ansätzen auf reale Daten praxisorientiert angewandt. Verwendet werden Python und Tensorflow.

  • Grenzüberschreitende Weiterbildung
  • Theoretisch fundiert und anwendungsorientiert
  • Für Fortgeschrittene geeignet

Termine / Veranstaltungsort / Kosten

TerminVeranstaltungsort Kosten
Kurs läuft bereits. Weitere Termine in Planung.

Veranstalter und Veranstaltungsort

Veranstalter

Institut für Wissenschaftliche Weiterbildung der Hochschule Karlsruhe

Veranstaltungsort

Hochschule Karlsruhe
Wilhelm-Schickard-Straße 9
76131 Karlsruhe

Zielgruppe und Voraussetzungen

Zielgruppe

Die Zielgruppe sind Ingenieur*innen, Statistiker*innen, Informatiker*innen, Physiker*innen und alle mit einem mathematischen oder technischen Hintergrund.

Teilnahmevoraussetzungen

Voraussetzungen für den Fortgeschrittenenkurs sind Programmiererfahrung mit Python und erste Erfahrung in der Anwendung von Algorithmen des maschinellen Lernens.

Zulassungsunterlagen

Anmeldeformular

Inhalte und Lernziele

Inhalte

Ziel des Fortgeschrittenenkurses ist es, ein Verständnis für Deep Learning und Datenvisualisierung zu entwickeln. Sie erwerben theoretische Kenntnisse über die verschiedenen Komponenten und Architekturen neuronaler Netze und wenden diese mit überwachten und unüberwachten Ansätzen auf reale Daten an. Es werden Python und Tensorflow verwendet.

Inhalte Fortgeschrittenenkurs:

  • Introduction to Deep Learning, Convolutional Neural Networks (Theory), Segmentation and classification (Practical Work)
  • Architectures and cost functions (Theory), Regression and classification (Practical Work)
  • Advanced training: augmentation and dropout (Theory), Segmentation with augmentation (Practical Work)
  • Transfer learning, pre-trained architectures (Theory), Transfer Learning with Deep Neural (Practical Work)
  • Dimension reduction and visualization (Theory), Eigenfaces (Practical Work)
  • Stacked, sparse and denoising autoencoders (Theory), Representation learning (Practical Work)

Ablauf

Der Fortgeschrittenenkurs findet an drei aufeinanderfolgenden Tagen jeweils von 09.00 – 12.00h und 13.00 – 16.00h statt.

Lernziele

  • Sie verstehen Deep Learning und Datenvisualisierung.
  • Sie haben theoretische Kenntnisse über verschiedene Komponenten und Architekturen neuronaler Netze.
  • Die theoretischen Kenntnisse haben Sie auf reale Daten angewandt.

Format, Abschluss, Qualitätssicherung

Lehr- / Lernformat

Präsenz / Physical Presence

Abschluss

Teilnahmebescheinigung

Sprache

English

Kosten

Kosten

1300,00€

Dozent*innen

Dr. Thomas Lampert
Lehrstuhl für Data Science and Artificial Intelligence bei Télécom Physique Strasbourg und des Forschungslabors ICube der Universität Straßburg, Machine Learning, Uni Strasbourg

Sie möchten mehr zu Machine Learning erfahren?

Entdecken Sie die gesamte Fortbildung Machine Learning (Anfänger- und Fortgeschrittenenkurs):