-
Derece türü: Sertifika "PCEP™ - Sertifikalı Giriş Seviyesi Python Programcısı"
Makine Öğrenimi" sertifikası
Derin Öğrenme" sertifikası -
Final Sınavı: Praxisbezogene Projektarbeiten mit Abschlusspräsentationen
Certified Entry-Level Python Programmer (PCEP™) (in englischer Sprache) -
Ders saatleri: Tam zamanlıPazartesi'den Cuma'ya 8:30 - 15:35 (resmi tatil olan haftalarda 8:30 - 17:10)
-
Eğitim dili: Alman
-
Süre: 12 Haftalar
Python ile Programlama
Python temelleri (yaklaşık 1 gün)
Tarihçe, kavramlar
Kullanım ve uygulama alanları
sözdizimi
Lexis, semantik
PEP-8 sözleşmeleri
Yorumlayıcı vs. derleyici
Python ile ilk adımlar (yaklaşık 5 gün)
Sayılar
Dizeler
Tarih ve saat
Standart giriş ve çıkış
Sayısal operatörler
Karşılaştırma, mantıksal ve bitsel operatörler
Veri türü dönüştürme
liste, tuple dict, küme
İşlevleri ve yöntemleri listeleme
Dallar ve döngüler (if, for, while)
üye operatörler
İş sürecinde yapay zeka (AI)
Belirli yapay zeka teknolojilerinin sunumu
ve profesyonel ortamdaki olası uygulamalar
Fonksiyonlar (yaklaşık 5 gün)
Kendi fonksiyonlarınızı tanımlayın
Değişkenler
Parametreler ve bağımsız değişkenler
Dönüş değerleri
Özyineleme
İsim Alanları
Fonksiyonel programlama
Sorun giderme (yaklaşık 0,5 gün)
denemek, hariç
Hata türleri
Program kesintilerini engelleme
Fonksiyonlar arasında hata iletimi
Nesne yönelimli programlama (yaklaşık 4,5 gün)
Python sınıfları
Yöntemler
Değişmez nesneler
Veri sınıfı
Kalıtım
Proje çalışması, sertifikasyon hazırlığı ve İngilizce "PCEP™ - Certified Entry-Level Python Programmer" sertifika sınavı (yaklaşık 4 gün)
Makine Öğrenimi
Makine Öğrenimine Giriş (yaklaşık 5 gün)
Neden makine öğrenimi?
Uygulama örnekleri
Denetimli öğrenme, denetimsiz öğrenme, kısmi denetimli öğrenme, pekiştirmeli öğrenme
Veri seti örnekleri
Verileri tanıma
Eğitim, doğrulama ve test verileri
Veri görüntüleme
Tahminlerde bulunmak
Gözetimli öğrenme (yaklaşık 5 gün)
Sınıflandırma ve regresyon
Genelleme, aşırı uyum ve yetersiz uyum
Veri setinin boyutu
Denetimli öğrenme için algoritmalar
Doğrusal modeller
Bayes sınıflandırıcıları
Karar ağaçları
Rastgele Orman
Gradyan Güçlendirme
k-en yakın komşular
Destek Vektör Makineleri
Koşullu Rastgele Alan
Sinir Ağları ve Derin Öğrenme
Olasılıklar
Denetimsiz öğrenme (yaklaşık 5 gün)
Denetimsiz öğrenme türleri
Ön işleme ve ölçeklendirme
Veri dönüşümleri
Eğitim ve test verilerinin ölçeklendirilmesi
Boyut küçültme
Özellik mühendisliği
Manifold öğrenme
Temel bileşen ayrıştırması (PCA)
Negatif olmayan matris faktörizasyonu (NMF)
t-SNE ile Manifold öğrenme
Küme analizi
k-Means kümeleme
Aglomeratif kümeleme
Hiyerarşik küme analizi
DBSCAN
Küme algoritmaları
Değerlendirme ve iyileştirme (yaklaşık 2 gün)
Model seçimi ve model değerlendirmesi
Bir tahmin edicinin hiperparametrelerinin ayarlanması
Çapraz Doğrulama
Izgara arama
Değerlendirme metrikleri
Sınıflandırma
Proje çalışması (yaklaşık 3 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)
Perceptron
Sinir ağlarının hesaplanması
Model parametrelerinin optimizasyonu, geriye yayılım
Derin öğrenme kütüphaneleri
Regresyon vs. sınıflandırma
Öğrenme eğrileri, aşırı uyum ve düzenlileştirme
Hiperparametre optimizasyonu
Stokastik gradyan inişi (SGD)
Momentum, Adam Optimiser
Öğrenme oranı
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
Denetimsiz ön eğitim
Görüntü verisi artırımı, açıklanabilir yapay zeka
Bölgesel CNN (yaklaşık 1 gün)
Nesne lokalizasyonu
Regresyon sorunları
Dallanmış sinir ağları
Yaratıcı imaj oluşturma yöntemleri (yaklaşık 1 gün)
Üretken Çekişmeli Ağlar (GAN)
Deepfakes
Difüzyon modelleri
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
NLP'de transfer öğrenme
Çeviriler
Diziden diziye yöntemi, kodlayıcı-kod çözücü mimarisi
Dil modelleri (yaklaşık 1 gün)
BERT, GPT
Dikkat katmanlar, transformatörler
Metin üretim hatları
Özetleme
sohbet robotları
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
Değişiklikler mümkündür. Kurs içeriği düzenli olarak güncellenmektedir.
Bu eğitimden sonra Python ile programlama konusunda kompakt ve temel bilgilere sahip olacaksınız. Programlama dilini sınıfları, kütüphaneleri ve fonksiyonlarıyla birlikte güvenle kullanabileceksiniz.
Ayrıca makine öğrenimi ve derin öğrenme hakkında da bilgi sahibisiniz. Makine öğrenimini kullanmanın en önemli nedenlerini, uygulama alanlarını ve makine öğreniminin çeşitli kategorilerini ve kavramlarını biliyorsunuz. Ayrıca derin öğrenmenin uygulama alanlarını ve sinir ağlarının nasıl çalıştığını da anlıyorsunuz. Makine öğrenimi ve dokümantasyon süreçlerini sağlayabileceksiniz.
Bilgisayar bilimleri, matematik, elektrik mühendisliği ve (işletme) mühendisliği diplomasına sahip kişiler
Bir yapay zeka uzmanı olarak, makine öğrenimi ve derin öğrenme alanlarında yüksek niteliklere sahipsiniz, tüm sektörlerde kullanılabilirsiniz ve bu nedenle işgücü piyasasında yüksek talep görüyorsunuz. Örüntüler ve modeller için büyük miktarda veriyi analiz edebilirsiniz. Derin öğrenme genellikle yapay zeka bağlamında yüz, nesne veya konuşma tanıma için kullanılır.
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.