-
Derece türü: Tasarım Odaklı Düşünme" sertifikası
Makine Öğrenimi" sertifikası
Takviyeli 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)
Gerçek projede 5 aşama
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
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 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 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.
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.
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.