Tasarım odaklı düşünme ile makine öğrenimi ve derin öğrenme
Sizin için ücretsiz
tanıtım yoluyla
-
Derece türü: Tasarım Odaklı Düşünme" sertifikası
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: 9 Haftalar
Tasarım Odaklı Düşünme
Tasarım Odaklı Düşünmeye Giriş (yaklaşık 1 gün)
Bir bakışta Tasarım Odaklı Düşünme süreci
Tasarım Odaklı Düşünmenin en önemli kuralları ve aşamaları
Pratik odaklı yaklaşımlar ve uygulamalar
Gerçek bir projede 5 aşama (yaklaşık 3 gün)
Araştırma Aşaması
Nitel araştırma üzerine metodolojik girdi
Gerçek bir proje üzerinde uygulamalı alıştırmalar yoluyla gerçekleştirme
Sentez aşaması
Analiz ve sentez üzerine metodik girdi
Gerçek bir proje üzerinde uygulamalı alıştırmalar yoluyla gerçekleştirme
Fikir oluşturma aşaması
Yaratıcı teknikler ve fikir geliştirme konusunda metodik girdi
Gerçek bir proje üzerinde uygulamalı alıştırmalar yoluyla gerçekleştirme
Prototip oluşturma aşaması
Görselleştirme ve prototipleme konusunda metodik girdi (maketler, tıklama mankenleri, 3D baskı ve hızlı prototipleme dahil)
Gerçek bir proje üzerinde uygulamalı alıştırmalar yoluyla gerçekleştirme
Test aşaması
Test yöntemleri ve iterasyon, çevik yaklaşım üzerine metodik girdi
Gerçek bir proje üzerinde pratik alıştırmalar yoluyla uygulama
İş sürecinde yapay zeka (AI)
Belirli yapay zeka teknolojilerinin sunumu
ve profesyonel ortamdaki olası uygulamalar
Proje çalışması (yaklaşık 1 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
Değişiklikler mümkündür. Kurs içeriği düzenli olarak güncellenmektedir.
Bu eğitimden sonra, makine öğrenimi ile ilgili bilgi sahibi olacaksınız. Makine öğrenimini kullanmanın en önemli nedenlerini, uygulama alanlarını ve makine öğreniminin çeşitli kategorilerini ve kavramlarını bileceksiniz. Bilginizi değerlendirme ve iyileştirme becerileriyle tamamlayacaksınız.
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.
Kurs ayrıca karmaşık sorunlara yenilikçi çözümler geliştirmek için kullanılabilecek tasarım odaklı düşünme yaklaşımını da öğretmektedir. Tasarım odaklı düşünme yaklaşımı açık bir şekilde yapılandırılmıştır, yinelemelidir ve yeni bakış açıları için bolca alan bırakır. Kurs, yöntemin anlamını, sürecini ve ilkelerini aktarmaktadır.
Bilgisayar bilimleri, matematik, elektrik mühendisliği ve (işletme) mühendisliği diplomasına sahip kişiler
Makine öğrenimi çok sayıda uygulama alanında kullanılmaktadır: internet için uygun spam filtrelerinin bağımsız olarak geliştirilmesi, tedarik zinciri yönetiminde stok seviyelerinin kesin tahminlerinin oluşturulması veya pazarlamada bireysel müşteriler veya müşteri segmentleri için satın alma tahminlerinin geliştirilmesi. Makine öğrenimi alanında kalifiye olan çalışanlar tüm sektörlerde görevlendirilebilir ve bu nedenle işgücü piyasasında yüksek talep görmektedir.
Derin öğrenme, örüntüler ve modeller için büyük miktarda veriyi analiz etmek için kullanılabilir. Bu nedenle genellikle yapay zeka bağlamında yüz, nesne veya konuşma tanıma için kullanılır; örneğin tıbbi görüntü tanıma, satışta metin ve konuşma tanıma, BT veri güvenliği veya finansal işlemlerin izlenmesi. Bu nedenle bu bilgiye sahip uzmanlar çeşitli şekillerde görevlendirilebilir ve işgücü piyasasında yüksek talep görürler.
Tasarım odaklı düşünme başlangıçta ürün geliştirme için yenilikçi bir yöntemdi, ancak artık tüm kurumsal kültüre yayıldı ve bu nedenle tüm sektörlerde talep görüyor.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.