Ziele der Weiterbildung
Die Qualifizierungsmaßnahme "Machine Learning Engineer" am IfaDW vermittelt praxisrelevante Kompetenzen für die Entwicklung, das Training und die produktionsreife Bereitstellung von Machine-Learning-Modellen in Unternehmen und Organisationen. Die Maßnahme erstreckt sich über 20 Wochen, findet vollständig remote mit digitaler Lernbegleitung statt und umfasst die Schwerpunkte Datenanalyse mit Python, Maschinelles Lernen, Deep Learning sowie MLOps und Deployment.
Ziel ist die umfassende Befähigung, den vollständigen ML-Lifecycle eigenständig zu verantworten, von der Datenaufbereitung über das Training klassischer und tiefer Modelle bis zur containerisierten Bereitstellung mit CI/CD und Monitoring. Nach erfolgreichem Abschluss erhalten Teilnehmende ein Zertifikat gemäß AZAV und modulbezogene Teilnahmebescheinigungen mit Kompetenzprofil.
Inhalte der Weiterbildung
Datenanalyse mit Python:
Python-Grundlagen, Numpy, Pandas, Polars, Matplotlib, Seaborn, Plotly, Regular Expressions, Vernetzen von Programmen und Web Services, Objektorientierte Programmierung, Web Scraping, Zeitreihen, Statistik, EDA
Angewandtes Maschinelles Lernen:
Supervised Learning, Unsupervised Learning, Reinforcement Learning, Ensemble Learning, Decision Trees, Random Forests, Clustering, Feature Engineering, Missing Value Handling, Imputation, Outlier Detection, Modellbewertung, Explainable AI
Deep Learning:
TensorFlow, Keras, PyTorch, (Multilayer-)Perceptron, DNNs, CNNs, RNNs, LSTMs, GRU, Autoencoder, GANs, Transformer, Graph Neural Networks, Interpretierbarkeit, Fairness und Robustheit
MLOps und Deployment:
Linux Essentials, Docker, Version Control, MLFlow, CI/CD, GitHub Actions, Unit Tests, FastAPI, Monitoring, Model Deployment, Portfolio Preparation
Individuelle Projektarbeiten