Im Anschluss an diese Maßnahme können Sie im Bereich der Verarbeitung natürlicher Sprache tätig werden. Sie nutzen Machine Learning-Techniken zur Analyse und Interpretation von Sprachdaten. Dabei setzen Sie Python und TensorFlow zur Entwicklung von Modellen ein, die Texte verstehen und aufbereiten. Ferner entwickeln Sie Datenbanksysteme mit SQL und nutzen GitHub/GitLab für die Versionskontrolle. Kenntnisse in Statistik und Reinforcement Learning erweitern Ihre Fähigkeiten, komplexe Datenanalysen durchzuführen. Darüber hinaus beherrschen Sie die agile Methode Scrum und können IT-Projekte effizient leiten.
- Einführung in Machine Learning
- Arten des Machine Learning
- Einführung: Algorithmen und Python-Grundlagen
- Syntax und Semantik
- K-Means Clustering
Datenverarbeitung und -vorbereitung
- Datenvorbereitung für Machine Learning
- Datenreinigung
- Einführung in Pandas und Dataframes
- Datenvisualisierung
Vorhersagemodellierung und Bewertung
- Training und Auswahl eines Vorhersagemodells
- Bewertung von Modellen
- Verwendung von Scikit-Learn für Klassifikationen
Neuronale Netze und Deep Learning
- Einführung in Neuronale Netze
- Grundlagen des Deep Learning
- Backpropagation: Grundlagen und Anwendung
- Regularisierung und Vermeidung von Overfitting
Reinforcement Learning
- Einführung in Reinforcement Learning
- Markov-Entscheidungsprozesse (MDP)
- Q-Learning und SARSA
- Deep Reinforcement Learning
- Actor-Critic-Methoden
Python-Programmierung und Kontrollstrukturen
- Variablen und Zuweisungen
- Funktionen definieren und aufrufen
- Kontrollstrukturen: if, else, elif
- Schleifen: for und while
TensorFlow und Keras
- Installation und Einrichtung von TensorFlow
- Grundlegende Verwendung von TensorFlow
- Erstellen von Machine-Learning-Modellen mit Keras
- Problemlösung für nicht funktionierende Modelle
Statistik und mathematische Grundlagen
- Grundlagen der Statistik
- Mittelwert, Varianz und Standardabweichung
- Verteilungen in der Statistik
- Wahrscheinlichkeitsrechnung
Datenbankwissen und SQL
- Einführung in relationale Datenbanken
- Datenbankmodellierung und Namenskonventionen
- SELECT, JOIN und GROUP BY
- Transaktionen
Agiles Arbeiten und Projektmanagement
- Einführung in Scrum
- Scrum Master
- Product Owner
- Sprint Planning
Softwareentwicklung und Qualitätsmanagement
- Software Testing und Qualitätssicherung
- Operationen der Versionsverwaltung
- Agiles Arbeiten mit Git
- Continuous Integration und Continuous Delivery
Fortgeschrittene Neuronale Netze
- Erstellen von FCN- und CNN-Modellen mit Keras
- Convolutional Neural Networks (CNN) und Faltungsschichten
- Rekurrente neuronale Netze für variable Datenstrukturen
- Wort-Embeddings: Bedeutung und Anwendung