Machine Learning Engineer

Institut: Berger Bildungsinstitut
Bereich: Technik, EDV, Telekommunikation

Kursbeschreibung

- Einführung in Machine Learning: Ziele, Anwendungsgebiete und End-to-End-Workflow - Überblick über Supervised, Unsupervised und Reinforcement Learning - Mathematische Grundlagen für Machine Learning (lineare Algebra, Wahrscheinlichkeitsrechnung) - Datenaufbereitung: Data Cleaning, Normalisierung und Feature Engineering - Explorative Datenanalyse (EDA) und datengetriebene Visualisierung - Einsatz von Python und Jupyter Notebooks für Machine-Learning-Projekte - Regressions- und Klassifikationsverfahren (u. a. lineare und logistische Regression) - Evaluierung von Modellen (z. B. Confusion Matrix, ROC/AUC, Fehleranalyse) - Klassische ML-Algorithmen: KNN, Entscheidungsbäume, Random Forests, Gradient Boosting, SVM - Overfitting, Regularisierung, Cross-Validation und Hyperparameter-Tuning - Einführung in Deep Learning und neuronale Netze - Aufbau und Training von Feedforward-, Convolutional- und Recurrent Neural Networks - Praktische Anwendungen von CNNs (z. B. Bildklassifikation) und RNNs (Zeitreihen, Textdaten) - Fortgeschrittene Methoden: Transfer Learning, Autoencoder, Ensemble Learning - Unsupervised Learning: Clustering, PCA und Dimensionsreduktion - Modellinterpretation, Feature Importance und Explainable AI - Reinforcement Learning: Grundlagen, Q-Learning und Policy-Gradient-Ansätze - Design und Automatisierung von ML-Workflows und Pipelines - Einführung in MLOps, Deployment-Strategien und Modellbereitstellung (z. B. APIs) - Entwicklung einer vollständigen End-to-End-Machine-Learning-Pipeline - Praxisorientiertes Abschlussprojekt inkl. Modelltraining, Evaluierung, Visualisierung und Präsentation
Datum
auf Anfrage
Dauer
60 Tage
Ort
online, zu festen Unterrichtszeiten
Kontakt
Beratung Berger
Straße
Kölnische Straße 5
PLZ
34117
Ort
Kassel
Land
Deutschland
Bundesland
---
Ziele
Machine Learning, Machine Learning Kurs, Machine Learning Weiterbildung, Machine Learning Engineer, Supervised Learning, Unsupervised Learning, Reinforcement Learning, Deep Learning, Neuronale Netze, Python, Jupyter Notebook, Datenaufbereitung, Feature Engineering, Explorative Datenanalyse, EDA, Regression, Klassifikation, SVM, Random Forest, Gradient Boosting, Entscheidungsbäume, KNN, CNN, RNN, Clustering, PCA, Hyperparameter Tuning, Cross Validation, MLOps, ingenieur
Zielgruppe
Die Zielgruppe umfasst Informatiker:innen.
Zertifikat(e)
Zertifikat
Kosten
kostenlos
Förderungen
ja
Kursnummer
5742

Diese Kurse könnten Sie auch interessieren ...

Uber Weiterbildungsvorschläge