In dieser Weiterbildung erlernen Sie die Grundlagen des maschinellen Lernens und vertiefen Ihr Wissen im Bereich des Reinforcement Learning. Sie erwerben Kenntnisse in den Programmiersprachen Java und Python, die für die Entwicklung und Implementierung von Algorithmen im maschinellen Lernen essenziell sind. Sie setzen sich mit den Konzepten des maschinellen Lernens auseinander und lernen, wie Systeme aus Daten lernen und Vorhersagen treffen. Im Bereich des Reinforcement Learning verstehen Sie, wie Agenten durch Interaktion mit ihrer Umgebung optimale Strategien entwickeln. Die Anwendung von Java und Python ermöglicht es Ihnen, diese Algorithmen praktisch umzusetzen und zu evaluieren. Durch praxisorientierte Übungen und Projekte wenden Sie die erlernten Methoden des maschinellen Lernens an und entwickeln eigene Lösungen. Der Einsatz von Java und Python unterstützt dabei die Implementierung und Analyse der Algorithmen. Nach Abschluss der Weiterbildung sind Sie in der Lage, maschinelles Lernen in verschiedenen Anwendungsbereichen einzusetzen und mit Java sowie Python entsprechende Lösungen zu entwickeln.

Grundlagen des Reinforcement Learning
  • Kenntnisse im Bereich maschinelles Lernen für die Einführung in Reinforcement Learning
  • Agenten und Umgebungen
  • Belohnungssysteme und Zielsetzung mit Fokus auf maschinelles Lernen

Fortgeschrittene RL-Methoden
  • Anwendungen aus dem maschinellen Lernen am Beispiel von Markov-Entscheidungsprozessen (MDP)
  • Q-Learning und SARSA
  • Vertiefung im Deep Reinforcement Learning mit Bezug zu maschinellem Lernen
  • Anwendung von Reinforcement Learning in Spielen

Java-Programmierung
  • Grundlagen in Java-Programmierung im Kontext von maschinellem Lernen, Installation und Einrichtung einer Java-Entwicklungsumgebung
  • Kompilieren von Java-Programmen
  • Objektorientierte Programmierung mit Schwerpunkt auf maschinelles Lernen
  • Vererbung in objektorientierter Programmierung
  • Schleifen und ihre Bedeutung für maschinelles Lernen
  • Funktionsweise von Variablen mit primitivem Datentyp
  • Arrays unter Berücksichtigung von Anwendungsfällen im maschinellen Lernen

Python-Entwicklung
  • Einführung: Algorithmen und Python-Grundlagen mit Verbindung zu maschinellem Lernen
  • Variablen und Zuweisungen
  • Datentypen: Ganzzahlen, Gleitkommazahlen, komplexe Zahlen im Bereich maschinelles Lernen
  • Listen und ihre Methoden
  • Kontrollstrukturen: if, else, elif mit Anwendungen im maschinellen Lernen
  • Funktionen definieren und aufrufen
  • Module importieren und nutzen in Bezug auf maschinelles Lernen

Versionsverwaltung und CI/CD
  • Versionsverwaltung und ihre Bedeutung für maschinelles Lernen
  • Operationen der Versionsverwaltung
  • Continuous Integration und Continuous Delivery mit Fokus auf maschinelles Lernen
  • Software Testing und Qualitätssicherung
  • Agiles Arbeiten mit Git im Kontext von maschinellem Lernen

Einführung in Scrum
  • Einführung in Scrum im Zusammenhang mit maschinellem Lernen
  • Scrum Master
  • Scrum Team mit Bezug zu maschinellem Lernen
  • Sprint Planning
  • Product Owner mit Verantwortung für maschinelles Lernen
  • Scrum Artifacts
  • Product Backlog and the Product Goal im Rahmen von maschinellem Lernen