Takviyeli öğrenme ile Yapay Zeka Danışmanı

Bir AI Danışmanı olarak, şirketlere yapay zeka çözümlerinin uygulanmasında destek olursun. Bu amaçla kurs, öncelikle Python modüllerinin ve üçüncü taraf paketlerinin kullanımı da dahil olmak üzere, Python programlamasının ileri düzey konularına kapsamlı bir derinlemesine inceleme sunar. Katılımcılar, nesne yönelimli programlamanın temellerini, özellikle sınıflar, kalıtım, kapsülleme ve polimorfizm konularını öğrenecek; ayrıca veritabanı kullanımı ve Flask ile web geliştirme konularını da ele alacaklardır. Ardından kurs, veri hazırlama ve model geliştirmeden değerlendirme ve yorumlamaya kadar makine öğreniminin tüm iş akışını kapsamlı bir şekilde ele alacaktır. Makine öğreniminin bir dalı olan ve sinir ağlarına dayanan derin öğrenme yöntemleri de ele alınmaktadır; buna TensorFlow ve Keras gibi araçların yanı sıra, Evrişimli Sinir Ağları (CNN), Tekrarlayan Sinir Ağları (RNN) ve üretken modeller kullanılarak görüntü sınıflandırma teknikleri de dahildir. Buna ek olarak, pekiştirmeli öğrenme ile bilgilerinizi makine öğreniminin üç ana tekniğinden biri olan bu alana genişleteceksiniz; bu teknikte yazılım, deneme yanılma yoluyla çevresiyle doğrudan etkileşime girerek en iyi sonuçları elde etmek üzere eğitilir.

  • Derece türü: Yapay Zeka Danışmanı" sertifikası
    Takviyeli Öğrenme" sertifikası
  • Ek nitelikler: Sertifika "PCAP™ - Certified Associate Python Programmer"
  • Final Sınavı: Praxisbezogene Projektarbeiten mit Abschlusspräsentationen
    Certified Associate Python Programmer (PCAP™) (in englischer Sprache)
  • Ders saatleri: Tam zamanlı
    Pazartesi'den Cuma'ya 8:30 - 15:35 (resmi tatil olan haftalarda 8:30 - 17:10)
  • Eğitim dili: Alman
  • Süre: 16 Haftalar

Python İleri Düzey

Modüller, paketler ve hata işleme (yaklaşık 4 gün)

Python modüllerine ve paketlerine giriş

Standart ve üçüncü taraf paketleri içe aktarma ve kullanma

Özel modüller ve paketler oluşturma

Sys ve os ile çalışma (ana bilgisayar platformu işlevleri)

İstisnalara ve hata işlemeye giriş (try, except, finally)

Kendinden tanımlı istisnalar oluşturma ve kullanma

Sağlam hata işleme için en iyi uygulamalar


İş sürecinde yapay zeka (AI)

Belirli yapay zeka teknolojilerinin sunumu

ve profesyonel ortamdaki olası uygulamalar


Dizeler ve OOP temelleri (yaklaşık 8 gün)

Dizelerle çalışmaya giriş

Tümleşik dizgi yöntemleri (bölme, birleştirme, bulma, değiştirme vb.)

Dizeleri biçimlendirme ve işleme

Dize dilimleme ve düzenli ifadelerle çalışma (RegEx)

Sınıflara, nesnelere, örnek yöntemlere ve değişkenlere giriş

Kapsülleme, kalıtım ve polimorfizm

Kurucular (__init__) ve yıkıcılar (__del__)

Kalıtım hiyerarşileri ve üst sınıflar


Nesne yönelimli programlama üzerine derinlemesine çalışma (yaklaşık 2,5 gün)

Kalıtım ve polimorfizm üzerine derinlemesine çalışma

Sihirli yöntemlerin uygulanması (__str__, __repr__, __eq__, __lt__, vb.)

Sınıflardaki özellikler ve dekoratörler

Tasarım kalıpları: singleton, factory, vb.

Verimli liste işleme için Liste Kavramaları

Lambda fonksiyonları ve anonim fonksiyon yazma

Python'da kapanışlar ve kapsam belirleme

Üreteçleri ve yineleyicileri anlama ve kullanma


Dosyalar, veritabanları ve web geliştirme ile çalışma (yaklaşık 2,5 gün)

Dosya okuma ve yazma (CSV, JSON)

SQL'e giriş ve SQLite veritabanlarına bağlantı

Bir veritabanında CRUD işlemleri (oluşturma, okuma, güncelleme, silme)

Flask'a giriş ve basit bir web uygulaması oluşturma

Flask'ta rotalar ve şablonlar

Flask'ta CRUD uygulamaları (veritabanı entegrasyonu)


Proje çalışması, sertifikasyon hazırlığı ve İngilizce "PCAP™ - Certified Associate Python Programmer" sertifika sınavı (yaklaşık 3 gün)

Makine Öğrenimi

Makine Öğrenimine Giriş ve ML İş Akışı (yaklaşık 3 gün)

Makine Öğreniminin Temelleri, Uygulama Alanları ve Türleri

Modern Yapay Zeka ve Makine Öğrenimi Yöntemlerinin Sınıflandırılması

scikit-learn ile Makine Öğrenimi İş Akışı

Eğitim, doğrulama ve test verileri

Underfitting, Overfitting ve Model Değerlendirmesi

Çapraz Doğrulama


Veri Hazırlama ve Özellik Mühendisliği (yaklaşık 2 gün)

Veri kalitesi ve veri ön işleme

Ölçeklendirme, Normalleştirme ve Kodlama

Özellik Mühendisliği ve Özellik Seçimi

Eksik değerler, uç değerler ve dengesiz veri kümeleriyle başa çıkma


Denetimli Öğrenme – Regresyon ve Sınıflandırma (yaklaşık 5 gün)

Regresyon ve Sınıflandırma Yöntemleri

Doğrusal ve düzenlemeli modeller

Mesafe, olasılık ve ağaç tabanlı yöntemler

Ensemble ve Boosting yöntemleri

Model karşılaştırması ve hiperparametre optimizasyonu

Değerlendirme metrikleri ve olasılıksal tahminler

Özellik Önemliliği ve Açıklanabilir Yapay Zeka 


Gözetimsiz öğrenme (yaklaşık 2 gün)

Boyut azaltma ve özellik çıkarma

Kümeleme yöntemleri ve kümeleme sonuçlarının değerlendirilmesi

Anomali Tespiti


Zaman Serisi Analizi ve Tahminler (yaklaşık 1 gün)

Zaman serisi verilerinin temelleri ve analizi

Zaman serileri için tahmin yöntemleri ve makine öğrenimi


Sinir ağları ve modern yapay zeka (yaklaşık 2 gün)

Sinir ağlarının temelleri ve derin öğrenme

Metin verileri için makine öğrenimi ve doğal dil işleme

Temel Modeller, Büyük Dil Modelleri ve üretken yapay zeka


ML modellerinin devreye alınması (yaklaşık 1 gün)

Eğitimli modellerin depolanması ve sunumu

Basit makine öğrenimi uygulamalarının geliştirilmesi

Makine öğrenimi modelleri için arayüzler ve platformlar


Proje çalışması (yaklaşık 4 gün)

Öğrenilen içeriği pekiştirmek için

Proje sonuçlarının sunumu

Derin öğrenme

Derin Öğrenmeye Giriş (yaklaşık 1 gün)

Bir makine öğrenimi türü olarak derin öğrenme


Sinir ağlarının temelleri (yaklaşık 4 gün)

Çok katmanlı algılayıcılar

Sinir ağlarının hesaplanması

Model parametrelerinin optimizasyonu, geriye yayılım

Derin öğrenme kütüphaneleri

Regresyon vs. sınıflandırma

Tipik kayıp ve aktivasyon fonksiyonları

Model tahmininin metriklerle değerlendirilmesi

Regresyon ve sınıflandırma metrikleri

Öğrenme eğrileri, aşırı uyum ve düzenlileştirme

Hiperparametre optimizasyonu

L1/12 düzenlemesi

Okulu Bırakma

Erken durdurma

Stokastik gradyan inişi (SGD)

Momentum, Adam Optimiser

Öğrenme oranının optimizasyonu

Dinamik öğrenme oranı ayarı

Platoda öğrenme oranını azaltın

TensorBoard ile öğrenme oranı optimizasyonu

Uyum sürecini geri aramalarla kontrol edin

Modelleri kaydetme ve yükleme


Evrişimsel Sinir Ağı (CNN) (yaklaşık 2 gün)

Görüntü sınıflandırma

Konvolüsyonel katmanlar, havuzlama katmanları

Katmanları yeniden şekillendirme, düzleştirme, küresel ortalama havuzlama

CNN mimarileri ImageNet-Competition

Derin sinir ağları, kaybolan gradyanlar, atlama bağlantıları, toplu normalizasyon


Transfer öğrenimi (yaklaşık 1 gün)

Modellerin uyarlanması ve birleştirilmesi

Denetimsiz ön eğitim

Görüntü verisi artırımı, açıklanabilir yapay zeka

Veri yükleyici


Bölgesel CNN (yaklaşık 1 gün)

Nesne lokalizasyonu

Anlamsal segmentasyon

Regresyon sorunları

Dallanmış sinir ağları

YOLO mimarisi

U-Net modelleri


Yaratıcı imaj oluşturma yöntemleri (yaklaşık 1 gün)

Üretken Çekişmeli Ağlar (GAN)

Deepfakes

Difüzyon modelleri

Süperçözünürlük

Görüntü alanlarını tamamlama

Hugging Face'in fondöten modellerini uygulayın

Multimodal modeller

LoRA-İnce Ayar

Üretken modellerin uygulama alanları

Yasal kısıtlamalar


Tekrarlayan sinir ağları (yaklaşık 2 gün)

Dizi analizi

Tekrarlayan katmanlar

Zaman içinde geri yayılım (BPTT)

Zaman serilerinin analizi

Patlayan ve kaybolan gradyan problemleri

LSTM (Uzun Kısa Süreli Bellek)

GRU (Gated Recurrent Unit)

Derin RNN

Derin LSTM


Sinir ağları kullanarak metin işleme (yaklaşık 2 gün)

Metin ön işleme

Katmanları gömme

Metin sınıflandırması

Duygu analizi

Doğal Dil İşleme (NLP)

Çeviriler

Metin oluşturma

Diziden diziye yöntemi, kodlayıcı-kod çözücü mimarisi

Yalnızca kodlayıcı ve yalnızca kod çözücü modelleri

Büyük dil modellerinin yerel uygulaması


Dil modelleri (yaklaşık 1 gün)

Transfomer mimarisi

Dikkat ve Çok Başlı Dikkat

Konumsal Kodlamalar

Büyük dil modellerine ince ayar yapma

Yönlendirme

Metin üretim hatları

Özetleme

Sohbet Robotları

Geri Alma Artırılmış Nesil

Yapay zeka ajanları


Derin pekiştirmeli öğrenme (yaklaşık 1 gün)

Dinamik sistemlerin kontrolü

Temsilci sistemleri

Ödüller aracılığıyla eğitim

Politika eğimleri

Derin Q-öğrenme


Bayesian sinir ağları (yaklaşık 1 gün)

Sinir ağlarındaki belirsizlikler

Tahminlerin istatistiksel değerlendirmesi

Güven, standart sapma

Dengesiz veri

Örnekleme yöntemleri


Proje çalışması (yaklaşık 3 gün)

Öğrenilen içeriği pekiştirmek için

Proje sonuçlarının sunumu

Pekiştirmeli Öğrenme

Pekiştirmeli öğrenmeye giriş (yaklaşık 1 gün)

Tanım ve temel kavramlar

Diğer öğrenme yöntemlerinden farklılıkları

Uygulama alanları ve örnekler


Markov Karar Süreçleri (MDP'ler) (yaklaşık 2 gün)

MDP'lerin tanımı ve özellikleri

Değer fonksiyonları ve politika

Bellman denklemleri

Dinamik Programlama Yaklaşımı


Q-Learning (yaklaşık 2 gün)

Tanım ve algoritma

Keşif vs. sömürü

Yakınsama ve optimizasyon özellikleri

Oyunlar, robotik ve diğer alanlardaki uygulamalar


Derin pekiştirmeli öğrenme (yaklaşık 3 gün)

Derin Q-Öğrenme

Derin Belirleyici Politika Gradyanları (DDPG)

Aktör Eleştirel Yöntemler

Politika Gradyan Yöntemleri


İleri düzey konular (yaklaşık 4 gün)

Model Tabanlı Pekiştirmeli Öğrenme

Çok Ajanlı Takviyeli Öğrenme

Ters Takviyeli Öğrenme

Meta Takviyeli Öğrenme


Pratik uygulamalar (yaklaşık 3 gün)

Takviyeli öğrenme algoritmalarının uygulanması

Seçilmiş problemlere ve vaka çalışmalarına uygulama

Algoritmaların değerlendirilmesi ve ayarlanması


Özet ve genel görünüm (yaklaşık 2 gün)

En önemli kavramların ve sonuçların özeti

Pekiştirmeli öğrenmede karşılaşılan zorluklar ve gelecekteki gelişmeler


Proje çalışması (yaklaşık 3 gün)

Öğrenilen içeriği pekiştirmek için

Proje sonuçlarının sunumu



Değişiklikler mümkündür, kurs içeriği düzenli olarak güncellenmektedir.

Temel Python bilgisi ve sertifika sınavı için İngilizce bilgisi gereklidir, en az bir başka programlama dilinde deneyim tavsiye edilir.

Bu eğitimin sonunda Python'da sınıflar, kalıtım ve tasarım kalıpları dahil olmak üzere nesne yönelimli programlama ilkelerine hakim olacaksınız. Üreteçler, dekoratörler ve liste kavramları gibi kavramları uygulayabilecek ve verileri verimli bir şekilde analiz edip görselleştirebileceksiniz. Ayrıca dosyalar ve veritabanları ile güvenle çalışacak ve eksiksiz bir CRUD uygulaması da dahil olmak üzere Flask ile temel web uygulamaları oluşturacaksınız.

Ayrıca, makine öğrenimi uygulamaları için verileri hazırlayabilir, denetimli ve denetimsiz öğrenme yöntemleri arasından uygun olanları seçebilir, modelleri eğitebilir, değerlendirebilir ve optimize edebilirsin. Model sonuçlarını yorumlayabilir ve temel makine öğrenimi uygulamalarını hayata geçirebilirsin. Ayrıca, derin öğrenme ve üretken yapay zeka alanındaki güncel gelişmelerden haberdarsın.

Ayrıca derin öğrenmenin uygulama alanlarına ve sinir ağlarının nasıl çalıştığına aşinasınız. Sinir ağlarının görüntülerdeki nesneleri nasıl tanıyabildiğini ve makine öğrenimi ve belge süreçlerini nasıl sağlayabildiğini anlıyorsunuz.

Ayrıca takviyeli öğrenmenin temel kavramlarını anlayacak ve diğer öğrenme yöntemlerinden farklarını bileceksiniz. Markov karar süreçleri, Q-öğrenme ve derin pekiştirmeli öğrenmeye aşina olacak ve çok ajanlı ve model tabanlı pekiştirmeli öğrenme gibi ileri düzey konuları uygulayabileceksiniz.

Programcılar, fen bilimleri öğrencileri, ekonomi öğrencileri, bilgisayar bilimleri öğrencileri, BT uzmanları, mühendislik veya veri analizi deneyimi olan kişiler ve ilgili iş deneyimine sahip profesyoneller.

Yapay Zeka Danışmanı olarak, şirketleri yapay zeka çözümlerinin uygulanmasında destekleyerek yönetim danışmanlığı, veri analizi, sağlık hizmetleri ve e-ticaret gibi alanlarda çalışabilirsiniz. İş süreçlerini optimize etmeye, veri odaklı kararlar almaya ve yenilikçi teknolojiler geliştirmeye yardımcı olacaksınız.

Takviyeli öğrenme ile robotik ve otomasyon teknolojisinin yanı sıra otomotiv endüstrisinde, örneğin sürücü destek fonksiyonlarında veya otonom ulaşım sistemlerinin geliştirilmesi ve optimizasyonunda sıklıkla kullanılan sektörler arası bilgiler de edineceksiniz.

Didaktik kavram

Eğitmenleriniz hem profesyonel hem de didaktik açıdan son derece kalifiyedir ve size ilk günden son güne kadar ders verecektir (kendi kendine çalışma sistemi yoktur).

Etkili küçük gruplar halinde öğreneceksiniz. Kurslar genellikle 6 ila 25 katılımcıdan oluşmaktadır. Genel dersler, tüm kurs modüllerinde çok sayıda pratik alıştırma ile desteklenmektedir. Uygulama aşaması kursun önemli bir parçasıdır, çünkü bu süre zarfında öğrendiklerinizi işler ve uygulamada güven ve rutin kazanırsınız. Kursun son bölümü bir proje, bir vaka çalışması veya bir final sınavını içerir.

 

Sanal sınıf alfaview®

BildungszentrumDersler, modern alfaview® video teknolojisi kullanılarak kendi evinizin rahatlığında ya da 'deki tesislerimizde gerçekleştirilir. Tüm kursiyerler alfaview® aracılığıyla birbirlerini yüz yüze görebilir, birbirleriyle dudak senkronize ses kalitesinde iletişim kurabilir ve ortak projeler üzerinde çalışabilir. Elbette, bağlı eğitmenlerinizi de istediğiniz zaman canlı olarak görebilir ve onlarla konuşabilirsiniz ve kursun tüm süresi boyunca eğitmenleriniz tarafından gerçek zamanlı olarak eğitileceksiniz. Dersler e-öğrenme değil, video teknolojisi aracılığıyla gerçek canlı yüz yüze öğretimdir.

 

alfatraining Agentur für Arbeit Eğitim kursları, AZAV onay yönetmeliğine uygun olarak sübvanse edilmekte ve sertifikalandırılmaktadır. Bildungsgutschein Aktivierungs- und VermittlungsgutscheinKurs başvurusunda bulunduğunuzda, kurs masraflarının tamamı genellikle finansman kuruluşunuz tarafından karşılanır.
Europäischen Sozialfonds Deutsche Rentenversicherung (ESF), (DRV) veya bölgesel finansman programları aracılığıyla da finansman mümkündür. Berufsförderungsdienst Düzenli bir asker olarak, (BFD) aracılığıyla daha fazla eğitim kursuna katılmak mümkündür. Agentur für Arbeit (Qualifizierungschancengesetz) Şirketler de çalışanlarını (BFD) tarafından sağlanan bir finansman programı aracılığıyla kalifiye hale getirebilirler.

Size ücretsiz tavsiyede bulunmaktan memnuniyet duyarız.

0800 3456-500 Pzt - Cuma günleri sabah 8'den akşam 5'e kadar
tüm Alman şebekelerinden ücretsiz.

Bize ulaşın

Size ücretsiz tavsiyede bulunmaktan memnuniyet duyarız. 0800 3456-500 Pzt - Cuma günleri sabah 8'den akşam 5'e kadar tüm Alman şebekelerinden ücretsiz.