-
Derece türü: Sertifika "MATLAB ve Simulink"
"Yapay zeka uzmanı" sertifikası
Takviyeli Öğrenme" sertifikası -
Ek nitelikler: Makine Öğrenimi" sertifikası
Derin Öğrenme" sertifikası -
Final Sınavı: Final sunumları ile uygulamalı proje çalışması
-
Ders saatleri: Tam zamanlıPazartesi'den Cuma'ya 8:30 - 15:35 (resmi tatil olan haftalarda 8:30 - 17:10)
-
Eğitim dili: Alman
-
Süre: 16 Haftalar
MATLAB ve Simulink ile matematiksel modelleme
MATLAB temelleri (yaklaşık 2 gün)
MATLAB kullanıcı arayüzü
Bir dosyadan veri okuma
Değişkenler, diziler, operatörler, temel fonksiyonlar
Verilerin grafiksel gösterimi
Diyagramları özelleştirme
Grafikleri dışa aktarma
Değişkenler ve komutlar (yaklaşık 2 gün)
İlişkisel ve mantıksal operatörler
Kümeler, 2B katılar içeren kümeler (çoklu şekil)
Vektörlerle matematiksel ve istatistiksel hesaplamaların yapılması
İstatistikte grafikler
Analiz ve görselleştirme (yaklaşık 1 gün)
Matris oluşturma ve değiştirme
Matrislerle matematiksel işlemler
Matris verilerinin grafiksel gösterimi
Matris uygulamaları: Eşlemeler, döndürme, doğrusal denklem sistemleri, en küçük kareler yöntemi
İş sürecinde yapay zeka (AI)
Belirli yapay zeka teknolojilerinin sunumu
ve profesyonel ortamdaki olası uygulamalar
Veri işleme (yaklaşık 1 gün)
Veri türleri: Yapı dizileri, hücre dizileri, string vs. char, kategorik, datetime ve çok daha fazlası
Tablo verilerinin oluşturulması ve düzenlenmesi
Koşullu veri seçimi
Matlab ile içe/dışa aktarma: klasör yapıları, .mat verileri, tablo verileri, sürekli metinler
MATLAB programlama (yaklaşık 3 gün)
Kontrol yapıları: döngüler, if-else, istisnalar
Fonksiyonlar
Nesne yönelimli programlama
Uygulama tasarımı
MATLAB'de Simülasyon (yaklaşık 5 gün)
Sayısal integrasyon ve türev
Adi diferansiyel denklemlerin simülasyonunun temelleri, Matlab ODE ve çözücü seçenekleri
Matlab'da simülasyon teknolojisi: giriş parametreleri, veri enterpolasyonu, simülasyon çalışmaları
Simülasyon kontrolü: olay fonksiyonları (sıfır geçişi), çıkış fonksiyonları
Uygulama örnekleri, örneğin bir elektrik motorunun simülasyonu, bir roketin simülasyonu
Simulink (yaklaşık 4 gün)
Simulink'in temelleri: Diyagramlar, fonksiyonlar, sinyaller ve diferansiyel denklemler
Fonksiyonlar, alt sistemler ve kütüphaneler
İçe/dışa aktarma, arama tabloları, kontrol
Sıfır geçiş, simülasyon görevlerinin otomasyonu (Matlab erişimi)
Uygulama örnekleri, örneğin bir uçak aktarma organının simülasyonu
Proje çalışması (yaklaşık 2 gün)
Öğrenilen içeriği pekiştirmek için
Proje sonuçlarının sunumu
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
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.
Bu eğitimden sonra makine öğrenimi ve derin öğrenme konularında bilgi sahibi olacaksınız. Makine öğrenimini kullanmanın en önemli nedenlerini, uygulama alanlarını ve makine öğreniminin çeşitli kategorilerini ve kavramlarını bileceksiniz. Ayrıca derin öğrenmenin uygulama alanlarını ve sinir ağlarının nasıl çalıştığını da anlayacaksınız. Makine öğrenimi ve doküman süreçlerini sağlayabileceksiniz.
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.
Ayrıca fen bilimleri ve mühendislik öğrencileri için standart matematik programları olan MATLAB ve Simulink'e de aşinasınız.
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.
Ayrıca MATLAB ve Simulink ile mühendislik ve bilim için standart matematik programlarını öğreneceksiniz.
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.
Anlamlı sertifikanız, edindiğiniz nitelikler hakkında ayrıntılı bir fikir verir ve kariyer beklentilerinizi geliştirir.
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.