Bu kurs, Makine Öğrenimi alanını ayrıntılı bir şekilde ele almaktadır. Öncelikle, veri hazırlama ve model geliştirmeden değerlendirme ve yorumlamaya kadar tüm iş akışı sana öğretilecektir. Bu süreçte regresyon, sınıflandırma, sinir ağları, üretken yapay zeka ve Doğal Dil İşleme gibi yöntemlerin yanı sıra modellerin devreye alınması hakkında bilgi edineceksin. Ardından, makine öğreniminin üç ana tekniğinden biri olan pekiştirmeli öğrenme (Reinforcement Learning) anlatılacaktır. Bu teknikte, yazılım, deneme yanılma yoluyla çevresiyle doğrudan etkileşime girerek en iyi sonuçları elde etmek üzere eğitilir.
-
Derece türü: Makine Öğrenimi" sertifikası
Takviyeli Öğrenme" sertifikası -
Final Sınavı: Praxisbezogene Projektarbeiten mit Abschlusspräsentationen
-
Ders saatleri: Tam zamanlıPazartesi'den Cuma'ya 8:30 - 15:35 (resmi tatil olan haftalarda 8:30 - 17:10)
-
Eğitim dili: Alman
-
Süre: 8 Haftalar
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
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.
Eğitim programının ardından, 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 geçirebilirsiniz. Ayrıca, derin öğrenme ve üretken yapay zeka alanındaki güncel gelişmeler hakkında bilgi sahibi olacaksınız.
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.
Bilgisayar bilimleri mezunları, matematik mezunları, elektrik mühendisliği mezunları ve (işletme) mühendisliği diplomasına sahip kişiler.
Makine öğrenimi, büyük veri hacimlerini analiz etmek, kalıpları tespit etmek, süreçleri optimize etmek ve tahminlerde bulunmak amacıyla çeşitli sektörlerde kullanılmaktadır. Bu alandaki bilgiler, özellikle BT, sanayi, lojistik, finans ve pazarlama gibi sektörlerde kullanılır. Python bilgisi ile makine öğrenimi modellerinin geliştirilmesi, değerlendirilmesi ve uygulanması konusundaki bilgiler, veri ve yapay zeka odaklı çalışma alanlarında kariyer fırsatları sunar.
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.