Sie befinden sich hier:

Machine Learning (Gesamtkurs)

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 Anfängerkurs behandelt Themen des maschinellen Lernens und der künstlichen Intelligenz. Der Fortgeschrittenenkurs zielt darauf ab, ein Verständnis für Deep Learning und Datenvisualisierung zu entwickeln. Die theoretischen Grundlagen werden mit praktischen Übungen an realen Daten ergänzt. Die Kurse können einzeln oder als Paket gebucht werden.

  • Grenzüberschreitende Weiterbildung
  • Theoretisch fundiert und anwendungsorientiert
  • Paket aus Anfänger- und Fortgeschrittenenkurs

Termine / Veranstaltungsort / Kosten

TerminVeranstaltungsort Kosten
Kurs läuft bereits. Weitere Termine in Planung.

Veranstalter und Veranstaltungsort

Veranstalter

Institut für Wissenschaftliche Weiterbildung der Hochschule Karlsruhe

Veranstaltungsort

Wilhelm-Schickard-Straße 9E, 2.OG
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 Anfängerkurs sind erste Programmiererfahrung.
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

Der Anfängerkurs macht Sie mit den Themen des maschinellen Lernens und der künstlichen Intelligenz vertraut. Sie erwerben die theoretischen Grundlagen und wenden sie durch praktische Übungen an realen Daten direkt an. Sie lernen, wie man Daten und klassische Algorithmen verarbeitet. Es werden Python, Scikit-learn und Kaggle verwendet.

Inhalte Anfängerkurs:

  • Introduction to Artificial intelligence (Theory), Data understanding with small datasets (Practical Work)
  • Regression algorithms (Theory), Implementation of one-dimensional and multi-dimensional regression algorithms (Practical Work)
  • Classification algorithms (Theory), Prediction of semiconductor production yield (Practical Work)

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

Die Fortbildung findet an sechs Tagen (2x drei aufeinanderfolgende Tage) jeweils von 09.00 – 12.00h und 13.00 – 16.00h statt.

Lernziele

Anfängerkurs
Sie sind mit Themen des maschinellen Lernens und der künstlichen Intelligenz vertraut. Sie kennen die theoretischen Grundlagen und haben diese praktisch angewandt. Sie wissen, wie man Daten und klassische Algorithmen verarbeitet.

Fortgeschrittenenkurs
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

Englisch

Termine und Fristen

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

Kosten

Kosten

2500,00€

Dozent*innen

Prof. Dr. Manfred Strohrmann
Fakultät für Elektro- und Informationstechnik, Machine Learning, HKA

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 in das Thema Machine Learning einsteigen?

Dann schauen Sie sich die Aufbaukurse dazu an: