Veranstaltungstitel

Machine Learning mit Zusatzqualifikation Mathematische Modellierung

Veranstaltungsinformationen

Bildungsart Fortbildung/Qualifizierung
Abschluss alfatraining-Zertifikat
Unterrichtsform Vor-Ort-Vollzeit
Schulart Einrichtung der beruflichen Weiterbildung
Veranstaltungsnummer 6874-0138-20210215

Veranstaltungsort

Telefon: 0800 / 3456500
Internet: http://www.alfatraining.de
E-Mail: kursnet-marl@alfatraining.de
Hinweise zur Adresse:

Alle unsere Weiterbildungen finden trotz Corona in gewohnter Qualität statt. Für uns stehen jedoch die Gesundheit unserer Teilnehmerinnen und Teilnehmer, sowie unserer Kolleginnen und Kollegen an erster Stelle. Aus diesem Grund ermöglichen wir Ihnen die ansteckungsfreie Teilnahme an unseren Weiterbildungen von Zuhause aus. Falls Ihnen die räumlichen und technischen Voraussetzungen eine Teilnahme von Zuhause aus nicht ermöglichen, können Sie Ihren Kurs auch in einem unserer Bildungszentren absolvieren, unter Einhaltung der aktuellen Sicherheits- und Hygienevorschriften. In Abstimmung mit dem Bildungszentrum ist eine Teilnahme auch aus anderen Gründen möglich.

Kosten/Gebühren/Förderung

Förderung: Förderung mit Bildungsgutschein
Sonstige Förderung: Bildungsgutschein (Arbeitsuchende und Arbeitslose), WeGebAU (Beschäftigte), Europäischer Sozialfonds ESF (Kurzarbeit oder Transfergesellschaften). Weitere Förderstellen: Berufsförderungsdienst (BFD), die Berufsgenossenschaft (BG) sowie der Rentenversicherungsträger (DRV).

Dauer und Termine

Beginn der Veranstaltung 15.02.2021
Ende der Veranstaltung 09.04.2021
individueller Einstieg Nein
Unterrichtszeiten

Montag bis Freitag von 08:30 bis 15:35 Uhr (in Wochen mit Feiertagen von 8:30 bis 17:10 Uhr)

Bemerkungen

Präsenzunterricht mit Videotechnik: Ihre Dozentin oder Ihr Dozent ist den gesamten Kurs über eine Live-Schaltung, lippensynchron und in Fernsehqualität präsent. Es werden Bild, Ton und Bildschirm des Dozenten auf Ihren Monitor übertragen. Sie können Ihren Dozenten jederzeit ansprechen und ihm Fragen stellen. Auch Ihr Dozent oder Ihre Dozentin sieht und hört alle zugeschalteten Teilnehmerinnen und Teilnehmer und kann bei Bedarf jeden Einzelnen individuell unterstützen. Darüber hinaus können Sie auch alle anderen Kursteilnehmerinnen und Teilnehmer sehen und hören und zu jeder Zeit ansprechen.

Termine  Hier werden alle Termine zu diesem Bildungsangebot angezeigt.

Bildungsanbieter

alfatraining Bildungszentrum GmbH
Hülsstraße 12a
45772 Marl
Nordrhein-Westfalen
Telefon: 0800 / 3456500
Internet: http://www.alfatraining.de/
E-Mail: kursnet-marl@alfatraining.de

Anbieterbewertung

Datenlage nicht ausreichend
Erläuterungen

Der Wert "Datenlage nicht ausreichend" wird angezeigt:

  • wenn keine Rückmeldungen der Teilnehmenden aus der Onlinebefragung vorliegen und
  • wenn im Bewertungszeitraum weniger als 20 geförderte Teilnehmende im Berufssegment und im Agenturbezirk eine Maßnahme beendet haben oder
  • weil ein Angebot ohne Veranstaltungsort keinem Agenturbezirk zugeordnet werden kann oder
  • wenn das Angebot keinem Berufssegment zugeordnet werden kann oder
  • wenn der Anbieter der Anzeige seiner Bewertungen nicht zugestimmt hat

Fachkundige Stelle / Zertifizierer

DQS GmbH Deutsche Gesellschaft
zur Zertifizierung von
Managementsystemen
August-Schanz-Straße 21
60433 Frankfurt am Main

Sonstiges

Teilnehmeranzahl: 6 bis 25
Zusatzqualifikation: alfatraining-Zertifikat

Zugang

Zugang:

Grundlagenwissen in Python wird empfohlen.

Zielgruppe: Informatiker/-innen, Mathematiker/-innen, (Wirtschafts-)Ingenieure/-innen, Elektrotechniker/-innen

Inhalte

Machine Learning

Einführung in Machine Learning (ca. 5 Tage)

Warum Machine Learning?
Anwendungsbeispiele
Überwachtes Lernen, Unüberwachtes Lernen, Teilüberwachtes Lernen, Reinforcement Lernen
Beispiele für Datenbestände
Daten kennenlernen
Trainings-, Validierungs- und Testdaten
Daten sichten
Vorhersagen treffen

Überwachtes Lernen (ca. 5 Tage)

Klassifikation und Regression
Verallgemeinerung, Overfitting und Underfitting
Größe des Datensatzes
Algorithmen zum überwachten Lernen
Lineare Modelle
Bayes-Klassifikatoren
Entscheidungsbäume
Random Forest
Gradient Boosting
k-nächste-Nachbarn
Support Vector Machines
Conditional Random Field
Neuronale Netze und Deep Learning
Wahrscheinlichkeiten

Unüberwachtes Lernen (ca. 5 Tage)

Arten unüberwachten Lernens
Vorverarbeiten und Skalieren
Datentransformationen
Trainings- und Testdaten skalieren
Dimensionsreduktion
Feature Engineering
Manifold Learning
Hauptkomponentenzerlegung (PCA)
Nicht-negative-Matrix-Faktorisierung (NMF)
Manifold Learning mit t-SNE
Clusteranalyse
k-Means-Clustering
Agglomeratives Clustering
Hierarchische Clusteranalyse
DBSCAN
Clusteralgorithmen

Evaluierung und Verbesserung (ca. 2 Tage)

Modellauswahl und Modellevaluation
Abstimmung der Hyperparameter eines Schätzers
Kreuzvalidierung
Gittersuche
Evaluationsmetriken
Klassifikation

Projektarbeit (ca. 3 Tage)

Zur Vertiefung der gelernten Inhalte
Präsentation der Projektergebnisse

Mathematische Modellierung mit MATLAB und Simulink

Grundlagen MATLAB (ca. 2 Tage)

MATLAB-Oberfläche
Auslesen von Daten aus einer Datei
Variablen, Arrays, Operatoren, Grundfunktionen
Grafische Darstellung von Daten
Anpassen von Diagrammen
Exportieren von Grafiken
Zusammenfassen von Befehlen zu Live-Skripten

Variablen und Befehle (ca. 2 Tage)

Erstellen von numerischen Variablen und Textvariablen
Durchführung mathematischer und statistischer Berechnungen
Erstellen und Beschriften von Grafiken
Vektoren und Visualisierung von Vektordaten

Analyse und Visualisierung (ca. 2 Tage)

Rechnen mit Vektoren
Zugreifen und Ändern von Werten in Variablen
Erstellen und Verändern von Matrizen
Berechnungen und Statistiken mit Matrixdaten
Grafische Darstellung von Matrixdaten
MATLAB-Figure
Grafikbefehle

Datenverarbeitung (ca. 2 Tage)

Datentypen: Structure Arrays, Cell Arrays, Character Arrays
Anlegen und Organisieren tabellarischer Daten
Bedingte Datenauswahl
Verwendung geeigneter MATLAB-Datentypen

MATLAB-Programmierung (ca. 2 Tage)

Skripte, Funktionen
Schleifen und Kontrollkonstrukte
Code-Analyse, Debugging

Simulink-Modelle (ca. 3 Tage)

Aufruf und Library Browser
Simulink-Modell erstellen, simulieren und Ergebnisse analysieren
Model Browser, Model Explorer
Signale erzeugen und ausgeben
Modellieren diskreter und kontinuierlicher Systeme
Entwicklung hierarchischer Modelle
Zusammenfassung von Modellen zu Diagrammen
Automatisierung von Modellierungsaufgaben

Simulation und Solver (ca. 2 Tage)

Systemmodelle und Funktionsblöcke
Simulationsablauf, Simulationsparameter
Übersicht zu den Solvern
Zero-Crossing Detection
Algebraische Schleifen
Simulation von starren Systemen

Schnittstellen zu MATLAB (ca. 1 Tag)

Export und Import von Daten und Blockparameter
Simulationsaufruf unter MATLAB
Parametersteuerung
Nutzen von Callback-Routinen

Subsysteme und Bibliotheken (ca. 2 Tage)

Erstellen und Maskieren von Subsystemen
Getriggerte, aktivierbare und Function-Call Subsysteme
Benutzerdefinierte Funktionen
Standardbibliotheken, benutzereigene Bibliotheken

Projektarbeit (ca. 2 Tage)

zur Vertiefung der gelernten Inhalte
Präsentation der Projektergebnisse

Veröffentlichungsinformationen

Aktualisiert am: 15.12.2020 Veranstaltungs-ID: 113103491 Bildungsanbieter-ID: 252053
Version 3.32.0  – OBZ02XI0_PERM02_S05_KURSNET-FINDEN  – Alle Angaben ohne Gewähr  –  ©  Bundesagentur für Arbeit
www.arbeitsagentur.de Version 3.32.0  – OBZ02XI0_PERM02_S05_KURSNET-FINDEN  – Alle Angaben ohne Gewähr -©  Bundesagentur für Arbeit