Nach Abschluss der Weiterbildung verfügen Sie über Fähigkeiten, um als Machine Learning Engineer tätig zu werden. Sie entwickeln maschinelle Lernalgorithmen und setzen diese zur Datenanalyse und -optimierung ein. In Projekten nutzen Sie TensorFlow und Deep Learning-Techniken, um komplexe Probleme durch künstliche Intelligenz zu lösen. Mit Kenntnissen in Reinforcement Learning und agilen Methoden wie Scrum planen und leiten Sie Projekte effizient. Sie sind somit in der Lage, datenbasierte Entscheidungen zu treffen und innovative Lösungen zu implementieren.
- Einführung in Machine Learning
- Arten des Machine Learning
- Datenvorbereitung für Machine Learning
- Bewertung von Modellen
- Verwendung von Scikit-Learn für Klassifikationen
Maschinelles Lernen mit TensorFlow und Keras
- Installation und Einrichtung von TensorFlow
- Verwendung von Keras
- Erstellen von Machine-Learning-Modellen mit Keras
- Grundlegende Verwendung von TensorFlow
- Problemlösung für nicht funktionierende Modelle
Vertiefung im Bereich Deep Learning
- Grundlagen des Deep Learning
- Convolutional Neural Networks (CNN) und Faltungsschichten
- Rekurrente neuronale Netze für variable Datenstrukturen
- Regularisierung und Vermeidung von Overfitting
- Dropout-Verfahren: Warum es funktioniert
Einführung und Anwendung von Reinforcement Learning
- Einführung in Reinforcement Learning
- Markov-Entscheidungsprozesse (MDP)
- Temporal Difference Learning
- Q-Learning und SARSA
- Policy-Gradient-Methoden
Agiles Arbeiten mit Scrum im Machine Learning
- Einführung in Scrum
- Scrum Master
- Sprint Planning
- Product Owner
- Sprint Review