Reinforcement Learning
Seminar
Blended learning in Stuttgart
Beschreibung
-
Kursart
Praktisches Seminar berufsbegleitend
-
Studienmodus
Teilzeit
-
Niveau
Mittelstufe
-
Methodik
Blended
-
Ort
Stuttgart
-
Dauer
3 Monate
Das Seminar führt in Reinforcement Learning ein, ein Teilgebiet des maschinellen Lernens. Sie lernen praktische Anwendungen kennen und erhalten theoretische Grundlagen, die den Kontext der künstlichen Intelligenz erklären. Themen wie Wert-Iteration, Q-Lernen, TD-Lernen und neuronale Netze werden anhand von Python-Programmieraufgaben vermittelt. Die praktische Anwendung und Kombination dieser Methoden werden beleuchtet. Ethik und Gruppenaufgaben sind Diskussionsschwerpunkte.
Wichtige Informationen
Dieser Kurs ist als Bildungsurlaub anerkannt
Standorte und Zeitplan
Lage
Beginn
Beginn
Hinweise zu diesem Kurs
Nach erfolgreichem Absolvieren dieses Moduls:
- haben Sie ein grundlegendes Verständnis der verschiedenen Methoden des Reinforcement Learnings inklusive der mathematischen Grundlagen.
- haben Sie erste praktische Erfahrungen mit der Umsetzung von Reinforcement Learning gesammelt.
- können Sie abschätzen, ob Reinforcement Learning als Methode zur Lösung konkreter Problemstellungen im Arbeitsumfeld in Frage kommt.
- sind Sie in der Lage, die Grundkonzepte des Reinforcement Learning anderen zu vermitteln.
Die Zielgruppe für die Weiterbildung "Reinforcement Learning" an der Hochschule der Medien Stuttgart sind Berufstätige mit einem abgeschlossenen Hochschulstudium und mindestens einjähriger Berufserfahrung, die ihr Wissen im Bereich maschinelles Lernen vertiefen möchten. Die Weiterbildung ist auch für Personen geeignet, die praktische Erfahrungen mit Reinforcement Learning sammeln und die Methode in ihrem beruflichen Umfeld anwenden möchten.
Für die Teilnahme ist ein abgeschlossenes Hochschulstudium Voraussetzung, das Sie über Ihr Hochschulzeugnis bei der Anmeldung (Upload) nachweisen müssen.
Daneben besteht die Möglichkeit, das Modul als Weiterbildung zu absolvieren und es mit einer Teilnahmebescheinigung, jedoch ohne Prüfung und ECTS-Punkte, abzuschließen. Diese Option steht nach interner Prüfung auch Personen offen, die keinen ersten Hochschulabschluss besitzen.
Wir empfehlen, um einen gewinnbringenden Wissenstransfer in Ihre berufliche Praxis zu gewährleisten, eine mindestens einjährige Berufserfahrung.
Meinungen
Themen
- Reinforcement learning
- Neuronale Netze
- Q-Learning
- Exploration
- Wert-Iteration
Dozenten
Prof. Dr. Christian Becker-Asano
Professor für Künstliche Intelligenz, Mensch-Computer Interaktion, soz
Inhalte
Das Seminar führt in den Themenbereich Reinforcement Learning, einen Teilbereich des maschinellen Lernens, ein. Sie erhalten Einblicke in Anwendungen der Methoden, die für Ihren beruflichen Alltag relevant sind. Sie werden Sie mit den theoretischen Grundlagen dieser Methode des maschinellen Lernens vertraut gemacht. Dabei wird diese von den anderen Klassen des ML abgegrenzt und in den Kontext der allgemeinen Methoden der künstlichen Intelligenz gestellt. Danach werden einzelne Unterthemen der konkreten Umsetzung von Reinforcemet Learning erläutert, wie z.B. "Wert-Iteration", "Q-Lernen", "TD-Lernen" und "neuronale Netze". Dies wird anhand klassischer Beispiele geschehen, aber auch durch kleine, praktische Programmieraufgaben in der Sprache Python ergänzt werden. Es wird aufgezeigt und diskutiert, wie die erläuterten Methoden in der Praxis Anwendung finden und womit sie ggf. kombiniert werden müssen. Abschließend wird Raum für eine Diskussion der ethischen Fragestellungen gegeben, die diese Technologie aufwerfen, bevor Sie Gelegenheit haben, sich auf die in Gruppen zu bearbeitenden Aufgabe vorzubereiten.
Reinforcement Learning
