Microlearning-Kurs

Einführung in Machine Learning

Der Microlearning-Kurs wird aktuell für dich erstellt und steht dir voraussichtlich ab dem Wintersemester 23/24 zur Verfügung!

Bald buchen

Im Kurs “Machine Learning” erhältst du grundlegende Kenntnisse und Fähigkeiten im Bereich Machine Learning. Wir definieren den Begriff „Künstliche Intelligenz“ und „Machine Learning“ und grenzen diese voneinander ab. Anschließend werden wir die drei Typen von maschinellem Lernen kennenlernen und die Unterschiede zueinander dargelegt. Danach zeigen wir dir auf, wie die Daten vorbereitet und vorverarbeitet werden müssen, um die Daten im nächsten Schritt in einem Machine-Learning-Modell einsetzen zu können. Danach lernst du die Techniken Supervised Learning und Unsupervised Learning kennen. Vertiefende Inhalte folgen dann noch zu Deep Learning. Der Kurs schließt dann mit einem Ausblick auf generative Modelle. 

Eckdaten des Kurses "Machine Learning"

  • Teilnahmebscheinigung der Universität Duisburg-Essen
  • Geeignet für Einsteiger
  • Einführung in Machine Learning mit Python und zugehörige Theorie
  • 15-20 Std. Arbeitsaufwand
  • Jederzeit startbar
  • Kursverfügbarkeit: 2 Monate
  • E-Learning
  • Deutsch
  • Domänenneutral
  • Technologieneutral
  • N.N.€ für die Kursteilnahme

Lernziele des Kurses "Machine Learning"

  • Grundlegendes Verständnis über Künstliche Intelligenz, Machine Learning und Deep Learning
  • Techniken zur Datenvorbereitung und –vorverarbeitung anwenden können.
  • Machine Learning Methoden in realen Anwendungsfällen einsetzen können.
  • Evaluierung und Validierung von Modellen durchführen können.
  • Praktische Erfahrung und Hands-on-Übungen erleben.
Bald buchen

Inhalte des Kurses "Machine Learning"

  • Einführung: Zu Beginn geben wir dir eine Einführung in den Kurs und erklären dir, was dich in den folgenden Einheiten erwartet. Wir stellen dir außerdem das Lernziel sowie Lernformat vor und empfehlen passende Literatur, damit du dich auch außerhalb des Kurses weiterbilden kannst. Danach geht es dann um die Grundlagen von künstlicher Intelligenz. Wir definieren den Begriff „Künstliche Intelligenz“ und „Machine Learning“ und grenzen diese voneinander ab. Außerdem werden wir die Historie von Machine Learning aufrollen. Anschließend werden wir die drei Typen von maschinellem Lernen kennenlernen und die Unterschiede zueinander dargelegt. Im letzten Abschnitt beschäftigen wir uns mit den Kernkonzepten des maschinellen Lernens, um eine erste Vorarbeit für die folgenden Module und die entsprechende Umsetzung von ML-Verfahren zu ermöglichen.
  • Datenvorbereitung und -vorverarbeitung: Die wichtigste Ressource im Bereich Machine Learning sind die Daten. Deshalb geht es in diesem Kapitel um grundlegendes Wissen zum Thema Daten, wie diese beschafft und erfasst werden, und welche Schritte durchgeführt werden müssen, um die Daten im nächsten Schritt in einem Machine-Learning-Modell einsetzen zu können. 
  • Supervised Learning: Im dritten Abschnitt unseres eLearning-Kurses zur Einführung in das Maschinelle Lernen geht es um die bekannteste Technik des überwachten Lernens. Zunächst lernst du die klassischen Methoden, welche sich besonders aus der Statistik entwickelt haben, wie Regression und k-Nearest Neighbors. Du lernst die typischen Metriken kennen, mit denen solche Machine-Learning-Modelle ausgewertet werden können.
  • Unsupervised Learning: Der vierte Abschnitt des eLearning-Kurses beschäftigt sich mit einer weiteren Technik des maschinellen Lernens: dem unüberwachten Lernen. Dabei lernst du mit Problemen umzugehen, bei denen deine Daten keine Label aufweisen und deshalb gruppiert und geclustert werden müssen. Auch hierfür gibt es wieder einige praktische Anwendungsfälle.
  • Deep Learning: Der fünfte Abschnitt des eLearning-Kurses zum Thema Einführung in das Maschinelle Lernen befasst sich mit neuronalen Netzen und deren Erweiterung, welche wir als Deep Learning bezeichnen. Dabei werden wir schrittweise verschiedene neuronale Netze implementieren und dabei die Architekturen genau anschauen.
  • Ausblick auf generative Modelle (optional): Im sechsten Abschnitt unseres eLearning-Kurses zum Einführung in das Maschinelle Lernen beschäftigen wir uns mit sogenannten generativen KI-Modellen. Dabei schauen wir uns zunächst die Auto-Encoder an und versuchen so aus erhaltenen Labeln die Ursprungsdaten wiederherzustellen. Daneben betrachten wir Generative Adversarial Networks gegenüber Actor-Critic-Networks und arbeiten die Unterschiede heraus. Im letzten Schritt gehen wir auch auf aktuelle generative Modelle, wie ChatGPT oder LLama ein.
Bald buchen

Ansprechpartnerin

Mareen Wienand

Dozentin

Anfragen bitte an info@welearninbits.com