Maschinelles Lernen
Kurs
Blended learning in Freiburg Im Breisgau
Beschreibung
-
Kursart
Kurs berufsbegleitend
-
Niveau
Fortgeschritten
-
Methodik
Blended
-
Ort
Freiburg im breisgau
-
Unterrichtsstunden
180h
-
Dauer
1 Semester
Wollten Sie schon immer wissen, wie man z.B. Wettervorhersagen treffen kann? Der Kurs gibt eine Einführung in das Forschungsgebiet Maschinelles Lernen. Behandelt werden Methoden des überwachten, unüberwachten und optimierenden Lernens. Themengebiete sind unter anderem: Lernen im Hypothesenraum, Entscheidungsbäume, neuronale Netze, etc.
Standorte und Zeitplan
Lage
Beginn
Beginn
Hinweise zu diesem Kurs
Nach dem Kurs können Sie...
...sowohl exemplarische Modelle und Algorithmen des maschinellen Lernens sinnvoll interpretieren als auch Methoden zur Entwicklung von lernfähigen Systemen anhand konkreter Problemstellungen anwenden.
...Methoden zur Entwicklung von lernfähigen Systemen anhand konkreter Problemstellungen beherrschen.
...den gesamten Entwurfsprozess von grundsätzlicher Modellierung, Modellwahl und Konfiguration des Algorithmus unter Verwendung von "Rapidminer" selbstständig durchführen.
Der Kurs richtet sich an Fahkräfte aus den Bereichen Informatik, Mikrosystemtechnik, Elektrotechnik, Mechatronik oder anderen verwandten Disziplinen. Auch Personen ohne Hochschulabschluss, die sich berufsbegleitend in diesem Bereich weiterbilden möchten, können an dem Kurs teilnehmen.
Grundkenntnisse im Bereich der Algorithmen und Datenstrukturen, sowie mathematische Grundkenntnisse
Weitere Informationen zu erwarteten Vorkenntnissen finden Sie unter https://www.masteronline-iems.de/weiterbildungskurse
Machine Learning ist ein aufstrebender Industriezweig. Sie können lernfähige Systeme in unterschiedlichen Bereichen (z.B. Robotik, Chemoinformatik, Business Intelligence) sinnvoll interpretieren und die grundsätzliche Modellierung, Modellwahl und Konfiguration des Algorithmus durchführen.
Auf unserer Homepage (www.masteronline-iems.de) finden Sie ausführliche Informationen zu unserem gesamten Kursangebot und unserem Konzept.
Meinungen
Themen
- Lernen im Hypothesenraum
- Entscheidungsbäume
- Neuronale Netze
- Einführung Machine Learning
- Einführung Data Mining
- Einsatz von Algorithmen
- Überwachte Lernverfahren
- Unüberwachte Lernverfahren
- Local Pattern Mining
- Algorithmen
Dozenten
Prof. Dr. Josif Grabocka
Machine Learning
I graduated with my Ph.D. in 2016 from the University of Hildesheim by completing a dissertation titled „Invariant Features For Time-Series Classification“ which was evaluated with „Summa Cum Laude“ and subsequently awarded the Best Dissertation Award of the Faculty of Natural Sciences at the University of Hildesheim. Since January 2020, I was appointed as an Assistant Professor of Representation Learning by the University of Freiburg, where I lead the RELEA research lab.
Inhalte
Schwerpunkte:
- Methoden des überwachten, unüberwachten und optimierenden Lernens
- Lernen im Hypothesenraum
- Entscheidungsbäume
- Neuronale Netze
--> Beispiele praktischer Anwendung aus dem Bereich der Robotik, Chemoinformatik und der sogenannten Business Intelligence
Ablauf:
- Allgemeine Einführungsveranstaltung
- E-Training & Online-Meeting
- Prüfung und Zertifikat
Zusätzliche Informationen
Maschinelles Lernen