TensorFlow mit Zusatzqualifikation Datenbanksysteme mit SQL In dieser Weiterbildung erlernen Sie die Entwicklung und Implementierung von Machine Learning Modellen mit TensorFlow. Sie werden in die Lage versetzt, komplexe Datenstrukturen zu analysieren und darauf basierend Machine Learning Modelle zu erstellen. Zudem erwerben Sie fundierte Kenntnisse in der Nutzung von SQL für die Verwaltung und Abfrage relationaler Datenbanken, um die Datenbasis für Ihre Machine Learning Modelle effizient zu gestalten. Sie lernen, Machine Learning Modelle mit TensorFlow zu entwickeln und zu trainieren. Dabei setzen Sie sich mit verschiedenen Algorithmen des maschinellen Lernens auseinander und verstehen deren Anwendungsmöglichkeiten. Zusätzlich erarbeiten Sie sich Kompetenzen im Umgang mit SQL, um Datenbanken zu erstellen, zu verwalten und komplexe Abfragen durchzuführen. Diese Fähigkeiten ermöglichen es Ihnen, Daten für Machine Learning Modelle vorzubereiten und zu optimieren. Durch praxisorientierte Übungen und Projekte wenden Sie das erlernte Wissen direkt an. Sie implementieren Machine Learning Modelle mit TensorFlow und nutzen SQL zur Datenverarbeitung. Diese Kombination aus Theorie und Praxis fördert ein tiefgehendes Verständnis der Materie. Nach Abschluss der Weiterbildung sind Sie in der Lage, Machine Learning Modelle mit TensorFlow zu entwickeln und diese mit Hilfe von SQL auf relationalen Datenbanken anzuwenden. Diese Fähigkeiten können Sie in verschiedenen Bereichen der Datenanalyse und -verarbeitung einsetzen.

TensorFlow Grundlagen
  • Installation und Einrichtung mit Bezug auf Machine Learning Modelle in TensorFlow
  • Grundlegende Verwendung von TensorFlow
  • Kenntnisse im Umgang mit Keras zur Entwicklung von Machine Learning Modellen
  • Erstellen von Machine-Learning-Modellen mit Keras
  • Allgemeine Tipps und Tricks speziell für Machine Learning Modelle in TensorFlow

Keras Modelle und Visualisierung
  • Erstellen von FCN- und CNN-Modellen als Beispiele für Machine Learning Modelle in Keras
  • Erstellen von RNN-Modellen mit Keras
  • Visualisierung von Ergebnissen aus Machine Learning Modellen mit Keras
  • Analyse von Machine Learning in TensorFlow

Einführung in Datenbanksysteme
  • Einführung in relationale Datenbanken zur Verwaltung von Machine Learning Modellen
  • Datenbankmodellierung und Namenskonventionen
  • Normalisierung und Normalformen im Kontext von Machine Learning Modellen
  • SELECT, JOIN und GROUP BY

SQL-Optimierung und Transaktionen
  • Transaktionen bei der Speicherung von Machine Learning Modellen
  • Relationale Algebra
  • Indizes für die effiziente Verwaltung von Machine Learning Modellen
  • Ändern von Daten über INSERT, UPDATE und DELETE
  • Anwendung von verschiedenen komplexen SELECTs für Machine Learning Modelle