In dieser Weiterbildung erlernen Sie verschiedene Innovationsmethoden, um kreative Lösungen für komplexe Herausforderungen zu entwickeln. Sie setzen sich mit Kreativitätstechniken auseinander, die es ermöglichen, neue Ideen systematisch zu generieren und bestehende Prozesse zu optimieren. Ein Schwerpunkt liegt auf der Anwendung von Innovationsmethoden im Bereich Data Science und Deep Learning. Sie werden in die Lage versetzt, datengetriebene Ansätze zu nutzen, um innovative Lösungen zu entwickeln und Entscheidungsprozesse zu verbessern. Die methodisch-didaktische Umsetzung erfolgt durch eine Kombination aus theoretischen Einführungen und praktischen Übungen. Sie wenden die erlernten Innovationsmethoden in Fallstudien an und entwickeln eigene Projekte, um das Gelernte zu vertiefen. Durch den Einsatz von Innovationsmethoden in praxisnahen Szenarien stärken Sie Ihre Fähigkeit, kreative Prozesse im beruflichen Kontext zu initiieren und zu steuern. Nach Abschluss der Weiterbildung sind Sie in der Lage, Innovationsmethoden gezielt einzusetzen, um kreative Lösungen zu entwickeln und Innovationsprozesse in Ihrem Arbeitsumfeld voranzutreiben.
- Kenntnisse im Bereich Innovationsmethoden
- Umsetzen, Kombinieren, Umkehren und Ersetzen von Kreativtechniken
- Denkmethoden mit Bezug zu Innovationsmethoden in der Gruppe und alleine
- Phasen im Kreativprozess
- Anwenden und Umsetzen von Methoden aus dem Bereich Innovationsmethoden
Deep Learning Grundlagen
- Grundlagen zu Innovationsmethoden und Aufgaben von Deep Learning
- Trainieren eines Neuronalen Netzes
- Abgrenzung von Machine Learning und Innovationsmethoden im Deep Learning
- Neuronale Netze
TensorFlow und Keras
- Keras im Kontext von Innovationsmethoden
- Verbindungen zu TensorFlow
- Benutzen von vorgefertigten Modellen mit Fokus auf Innovationsmethoden in Keras
- Installation und Einrichtung von TensorFlow
- Grundlegende Verwendung von TensorFlow mit Bezug zu Innovationsmethoden
- Verwendung von Keras
- Erstellen von Machine-Learning-Modellen auf Basis von Innovationsmethoden mit Keras
- Erstellen von FCN- und CNN-Modellen unter Einbeziehung von Innovationsmethoden mit Keras
- Analyse von Machine Learning in TensorFlow im Hinblick auf Innovationsmethoden
- Problemlösung für nicht funktionierende Modelle
Microsoft Power BI
- Einführung in Power BI und seine Rolle bei Innovationsmethoden
- Datenvorbereitung für Power BI
- Benutzeroberfläche von Power BI mit Hinblick auf Innovationsmethoden
- Arbeiten mit Power Query
- Interaktive Dashboards gestalten, unterstützt durch Innovationsmethoden
- Datenquellen verbinden und importieren
- Balken- und Liniendiagramme mit Bezug zu Innovationsmethoden
- Datenreinigung
Data Science Grundlagen
- Einführung in Pandas und Dataframes im Kontext von Innovationsmethoden
- Grundlegende statistische Kenngrößen
- Datenvisualisierung unter Anwendung von Innovationsmethoden
Einführung in Machine Learning
- Überblick zu Innovationsmethoden bei Machine Learning
- Arten des Machine Learning
- Entwicklung eines Machine-Learning-Systems unter Einsatz von Innovationsmethoden
- Datenvorbereitung für Machine Learning
- Training und Auswahl eines Vorhersagemodells im Zusammenhang mit Innovationsmethoden
- Bewertung von Modellen
- Modellbewertung und Hyperparameter-Tuning mit Fokus auf Innovationsmethoden
Kursübersicht
- Einführung in Machine Learning mit Schwerpunkten auf Innovationsmethoden
- Einführung in Power BI
Fortgeschrittene Konzepte in Machine Learning
- K-nearest-neighbor-Klassifizierung mit Einbindung von Innovationsmethoden
- K-Means Clustering