In dieser Weiterbildung setzen Sie sich intensiv mit Lernalgorithmen auseinander und erlangen ein fundiertes Verständnis für deren Anwendung in den Bereichen Deep Learning, Machine Learning und Internet-Recht. Sie lernen, verschiedene Lernalgorithmen zu entwickeln und zu implementieren, um komplexe Datenmuster zu erkennen und Vorhersagen zu treffen. Zudem erwerben Sie Kenntnisse über die rechtlichen Rahmenbedingungen, die bei der Anwendung von Lernalgorithmen im Internet zu beachten sind. Ein besonderer Fokus liegt auf der praktischen Anwendung von Lernalgorithmen in realen Szenarien. Durch praxisorientierte Übungen und Fallstudien wenden Sie die erlernten Lernalgorithmen direkt an und vertiefen Ihr Verständnis für deren Funktionsweise. Die methodisch-didaktische Umsetzung kombiniert theoretische Inhalte mit praktischen Anwendungen, um einen ganzheitlichen Lernprozess zu gewährleisten. Nach Abschluss der Weiterbildung sind Sie in der Lage, Lernalgorithmen effektiv in verschiedenen beruflichen Kontexten einzusetzen und die damit verbundenen rechtlichen Aspekte zu berücksichtigen.
- Funktion und Nutzen von Lernalgorithmen
- Grundlegende Algorithmen: lineare/logistische Regression
- Einführung in die Datenanalyse und Datenvisualisierung mit Fokus auf Lernalgorithmen
- Support Vector Machines (SVM)
- Techniken: Merkmalserstellung und Normalisierung im Zusammenhang mit Lernalgorithmen
- Regressionstechniken und Regularisierung: Lasso und Ridge
- Dimensionalitätsreduktion: PCA und t-SNE mit Bezug zu Lernalgorithmen
Deep Learning Konzepte und Anwendungen
- Neuronale Netze und Deep Learning mit Fokus auf Lernalgorithmen
- Aufgaben und Funktion von Deep Learning
- Abgrenzung von Machine Learning und Deep Learning im Kontext von Lernalgorithmen
- Trainieren eines Neuronalen Netzes
- Anwendungen in Cloud Deep Learning, Bildgenerierung, Musik und Video auf Grundlage von Lernalgorithmen
- Intelligente Spurerkennung mit Keras und OpenCV
Praktische Umsetzung mit Keras und TensorFlow
- Keras mit Anwendungen aus dem Bereich Lernalgorithmen
- Verkehrszeichenerkennung mit Keras
- Benutzen von vorgefertigten Modellen mit Keras unter Berücksichtigung von Lernalgorithmen
- Installation und Einrichtung von TensorFlow
- Grundlegende Verwendung von TensorFlow bei Lernalgorithmen
- Visualisierung von Ergebnissen mit Keras
- Erstellen von Machine-Learning-Modellen mit Keras mit Schwerpunkt auf Lernalgorithmen
- Erstellen von FCN- und CNN-Modelle mit Keras
- Erstellen von RNN-Modelle mit Keras im Zusammenhang mit Lernalgorithmen
Algorithmenentwicklung und Modelltraining
- Aufbau eines Lernalgorithmus: Bausteine und Gradientenabstieg im Bereich der Lernalgorithmen
- Praktische Anwendung: Modelltraining und Modellperfomance
- Analyse von Machine Learning in TensorFlow mit Fokus auf Lernalgorithmen
- Allgemeine Tipps und Tricks zu TensorFlow
- Unüberwachtes Lernen: Clustering im Kontext von Lernalgorithmen
- Aktuelle Trends im maschinellen Lernen und Ausblick in die Zukunft
Datenschutz und rechtliche Grundlagen im Internet
- Gesetzgebung und Rechtslage mit Bezug zu Lernalgorithmen
- Datenschutzrechtliche Pflichten
- Anwendungsbereich der DSGVO in Verbindung mit Lernalgorithmen
- Rechtsgrundlagen für die Datenverarbeitung
- Transparenz, Informationspflicht und Auskunftsrecht zu Lernalgorithmen
- Löschung und Datenübertragbarkeit
Rechtliche Aspekte der Datenverarbeitung und des Online-Marketings
- Datenübermittlung an Drittländer bei Lernalgorithmen
- Zusammenarbeit mit den Aufsichtsbehörden
- Rechtsdurchsetzung und Sanktionen nach der DSGVO im Bereich Lernalgorithmen
- Rechtliche Aspekte bei Webseiten und Onlineshops
- Fallstricke und rechtliche Herausforderungen im Online-Marketing zu Lernalgorithmen