Die Weiterbildung Machine und Deep Learning vermittelt technische und analytische Kompetenzen zur Entwicklung und Bewertung lernender Modelle. Die Inhalte werden entlang von Datenaufbereitung, Modelltraining und Ergebnisbewertung strukturiert aufgebaut.
Machine-Learning-Grundlagen- Lernverfahren und Modellarten fachlich einordnen
- Trainings-, Validierungs- und Testdaten unterscheiden
- Merkmale und Zielvariablen für Modelle definieren
- Überwachtes und unüberwachtes Lernen anwenden
Datenaufbereitung und Modelltraining
- Datensätze bereinigen und transformieren
- Feature Engineering für Modellprozesse durchführen
- Machine-Learning-Modelle trainieren und vergleichen
- Parameter und Modellkonfigurationen anpassen
Deep Learning
- Grundlagen neuronaler Netze nachvollziehen
- Schichten, Aktivierungsfunktionen und Trainingsprozesse einordnen
- Deep-Learning-Modelle für ausgewählte Aufgaben einsetzen
- Überanpassung und Modellgrenzen berücksichtigen
Evaluation und Optimierung
- Modellergebnisse anhand geeigneter Metriken bewerten
- Fehlerquellen und Verzerrungen analysieren
- Modelle testen, optimieren und dokumentieren
- Anwendungsmöglichkeiten in datenbasierten Prozessen ableiten
Die Weiterbildung befähigt zur Entwicklung, Anwendung und Bewertung von Machine-Learning- und Deep-Learning-Modellen.