In dieser Weiterbildung erlernen Sie die Programmierung in C++ und vertiefen Ihr Wissen in den Bereichen Data Science und Deep Learning. Sie erwerben die Fähigkeit, komplexe Algorithmen zu implementieren und Daten effizient zu analysieren. Zudem werden Sie in die Lage versetzt, neuronale Netze zu entwickeln und für verschiedene Anwendungen einzusetzen. Sie lernen, mit C++ zu programmieren und dabei fortgeschrittene Konzepte wie objektorientierte Programmierung und Speicherverwaltung anzuwenden. Im Bereich Data Science setzen Sie sich mit Methoden der Datenanalyse auseinander und nutzen C++ zur Verarbeitung großer Datenmengen. Im Deep-Learning-Teil der Weiterbildung entwickeln Sie neuronale Netze und implementieren diese mit C++. Die Weiterbildung kombiniert theoretische Inhalte mit praktischen Übungen. Sie wenden das Gelernte in Projekten an, um Ihre Fähigkeiten im C++ Programmieren, in der Datenanalyse und im Deep Learning zu festigen. Nach Abschluss der Weiterbildung sind Sie in der Lage, C++ für anspruchsvolle Data-Science- und Deep-Learning-Projekte einzusetzen und komplexe Problemstellungen eigenständig zu lösen.

Objektorientierte C++ Programmierung
  • Einführung: Eigenschaften und Verarbeitung mit Fokus auf c++ programmieren, Unterschiede zu C und IDE-Setup
  • Klassen und Konstruktoren in C++
  • Templates als Bestandteil des modernen c++ programmieren
  • Vererbung
  • Polymorphe Klassen in Verbindung mit c++ programmieren
  • Smart Pointer
  • Algorithmen der Standardbibliothek im Kontext von c++ programmieren
  • Exception-Handling

Grundlagen der Datenanalyse und Datenwissenschaft
  • Einführung in Pandas und Dataframes mit Bezug zum c++ programmieren
  • Datenreinigung
  • Grundlegende statistische Kenngrößen im Zusammenspiel mit c++ programmieren
  • Datenvisualisierung

Einführung in Machine Learning und Deep Learning
  • Einführung in Machine Learning im Kontext von c++ programmieren
  • K-nearest-neighbor-Klassifizierung
  • Logistische Regression unter Anwendung von c++ programmieren
  • K-Means Clustering
  • Aufgaben und Funktion von Deep Learning mit Bezug zu c++ programmieren
  • Abgrenzung von Machine Learning und Deep Learning
  • Arten des Machine Learning im Rahmen von c++ programmieren
  • Entwicklung eines Machine-Learning-Systems

Praktische Anwendung und Modellierung in Machine Learning
  • Training und Auswahl eines Vorhersagemodells unter Einbindung von c++ programmieren
  • Bewertung von Modellen
  • Verwendung von Scikit-Learn für Klassifikationen mit Wissen aus c++ programmieren
  • Ensemble Learning (z. B. Bagging und Boosting)
  • Trainieren eines Neuronalen Netzes mit Schwerpunkt auf c++ programmieren
  • Neuronale Netze
  • Keras im Zusammenspiel mit c++ programmieren
  • Verbindungen zu TensorFlow
  • Laden und Speichern von Modellen unter Nutzung von c++ programmieren