Data Science Hochschulzertifikat

Machine Learning

Programm
Data Science

Abschluss
Einzelzertifikat

Modulnummer
20300

Themenbereich
Data Analytics, Vertiefungsstudium, Artificial Intelligence

Leistungpunkte
5

Sprache
deutsch/englisch

Dozent
Prof. Dr. Andreas Knoblauch

Gebühren
1005 €

Dauer
6 Wochen

Präsenzveranstaltungen
Albstadt (ggf. Online)

Onlineanteil
85%-100%

Modulbeginn

1. Termin: 30.05.2022 - 10.07.2022
2. Termin: 05.06.2023 - 09.07.2023

Modulinhalte

Als „Machine-Learning“ (zu dt. „maschinelles Lernen“) bezeichnet man Methoden zur Realisierung von automatisierten Entscheidungsverfahren, insbesondere in Verbindung mit größeren Datenmengen. Dabei lernt das System aus Beispielen und „erkennt“ Gesetzmäßigkeiten, so dass es nach Beendigung der Lernphase in der Lage ist, zu verallgemeinern und auch neue unbekannte Daten zu beurteilen. Zu den klassischen Beispielen des maschinellen Lernen gehören Klassifikation, Regression, Clustering oder Faktoranalyse.

Verfahren des maschinellen Lernens haben ein sehr breites Anwendungsspektrum in diversen Themenfeldern der Informatik. Aus dem weiten Spektrum möglicher Anwendungen seien hier exemplarisch automatisierte Diagnoseverfahren, Erkennung von Kreditkartenbetrug, Aktienmarktanalysen, Klassifikation von DNA-Sequenzen, Sprach-, Schrift- und Bilderkennung, und autonome intelligente Systeme genannt.

Aufbauend auf Modul 10200: Mathematical Foundations for Data Science und Modul 10300: Data-Mining vermittelt Ihnen dieses Modul zusammen mit seiner Fortsetzung Modul 30200: Advanced Machine Learning neben den theoretischen Grundlagen einen systematischen, vereinheitlichenden Überblick über Methoden des maschinellen Lernens und deren Anwendungsmöglichkeiten. Neben dem Kennen und Verstehen eines breiten „Arsenals“ von Methoden vermögen Sie darüber hinaus – je nach Problemstellung – geeignete Verfahren des maschinellen Lernens auszuwählen, anzuwenden und zu evaluieren. Wir konzentrieren uns hier auf Methoden des überwachten Lernens, wobei wir uns im Wesentlichen auf das Werk von Bishop (2006) stützen. Im Rahmen von Kontroll- und Übungsaufgaben erlangen Sie zudem die erforderlichen Kenntnisse und Fähigkeiten, ausgewählte Algorithmen in Python zu implementieren und auf praxisorientierte Datensätze anzuwenden. Ergänzend zum Inhalt dieses Moduls finden Sie die erforderlichen mathematische Grundlagen sowie weiterführende Informationen, wie etwa Beweise, weitere Details und Beispiele, in dem Ihnen online zur Verfügung gestellten Grundlagen-Skript zur Mathematik („Vorlesungsskript Mathematik I“) von Herrn Prof. Dr. Knoblauch.

Das vorliegende Modul gliedert sich dabei in folgende Punkte:

  1. Einführung & Überblick
  2. Einfache Modelle für Regression
  3. Einfache Modelle für Klassifikation
  4. Neuronale Netze und Backpropagation

Konkrete Inhalte sind dabei unter anderem:

  • Einführung und Grundbegriffe des Maschinellen Lernens
  • Lineare Modelle für Regression
  • Lineare Modelle für Klassifikation
  • Neuronale Netze und Backpropagation
  • Reinforcement Learning
  • Unüberwachte Lernverfahren
  • Implementierung/Anwendung ausgewählter Methoden mit Python, Numpy, Pandas, Scikit-learn

Nach Abschluss dieses Moduls sind Sie in der Lage, maschinelles Lernen und weitere Begrifflichkeiten entsprechender Teilgebiete und verwandter Fachbereiche zu deuten, zu interpretieren und entsprechend einzuordnen. Überdies werden Ihnen unterschiedliche Methoden und Verfahren des überwachten maschinellen Lernens vermittelt, welche Sie qualifiziert beurteilen und im Kontext praktischer Anwendungs- bzw. Problemfälle mithilfe geeigneter Techniken auswählen, (in Python) implementieren und anwenden können.

Lernergebnisse, Kompetenzen

Wissen

Die Studierenden

  • kennen Grundbegriffe des Maschinellen Lernens - kennen Verfahren und Techniken für das Maschinelle Lernen.
  • kennen die Aufgabenstellungen aus dem Themengebiet von Maschinellem Lernen.
Fertigkeiten

Die Studierenden

  • sind in der Lage die Problem- und Aufgabenstellungen mit Bezug auf das Themengebiet Machine Learning zu erkennen, diese, basierend auf eigenem Wissen und durch die gezielte Recherche zu beschreiben, Lösungsansätze zu entwickeln und diese allein oder im Team umzusetzen.
  • sind in der Lage, eine anwendungsbezogene Evaluation von Verfahren und Methoden des Maschinellen Lernens sowie von den diese Verfahren implementierenden Systemen auszuführen, und darauf basierend eine zielgerechte Auswahl zu treffen.
  • sind in der Lage wissenschaftliche Beiträge im Themenbereich Machine Learning eigenständig zu lesen und qualitative Vergleiche der gelesenen Beiträge systematisch zu präsentieren.
Sozialkompetenz

Die Studierenden können im Rahmen einer eigenständigen Arbeit neue Ansätze für eine Problemstellung im Bereich Machine Learning entwickeln und diese im Team umsetzen.

Selbstständigkeit

Die Studierenden sind in der Lage komplexe Aufgaben im Bereich Maschinelles Lernen verantwortungsvoll zu erfüllen, realistische Ziele zu definieren und diese konsequent zu verfolgen.

Teilnahmevoraussetzung

Keine.

Prüfungsform

Klausur (60 Minuten)

Anmeldung zu den berufsbegleitenden Zertifikatsprogrammen

Melden Sie sich jetzt an!

Melden Sie sich jetzt zu einem Einzel- oder Gesamtzertifikat unserer Zertifikatsprogramme an. Damit wir sicherstellen können, dass Sie Ihre Zugangsdaten auch rechtzeitig erhalten, muss die Anmeldung spätestens zwei Wochen vor Beginn des (ersten) Moduls erfolgen.
Hinweis: Die Teilnehmerzahl ist im Interesse der Teilnehmer begrenzt, so dass wir eine frühzeitige, verbindliche Anmeldung empfehlen.

Sollten Sie noch Fragen haben, können Sie gerne jederzeit Kontakt mit uns aufnehmen.

Jetzt anmelden

Institut für wissenschaftliche Weiterbildung (IWW)

Anmeldung zu den Zertifikatsprogrammen

Anmeldung Zertifikatsprogramme IWW

Auswahl Einzelzertifikate


Auswahl CAS-Gesamtzertifikate


Auswahl DAS-Gesamtzertifikate


Sofern wir Ihnen einen freien Platz in dem gewünschten Modul anbieten können, senden wir Ihnen den entsprechenden Gebührenbescheid zu. Die fälligen Gebühren sind nach Zugang des Gebührenbescheids innerhalb der gesetzten Zahlungsfrist zu entrichten. Andernfalls verfällt Ihr Anspruch auf Teilnahme.
Mit * markierte Felder sind Pflichtfelder
Jetzt anmelden