In dieser Weiterbildung vertiefen Sie Ihre Kenntnisse in der objektorientierten Programmierung mit C++ und erweitern Ihr Wissen um Data Science und Deep Learning. Sie lernen, komplexe Softwarelösungen zu entwickeln und dabei die Prinzipien der objektorientierten Programmierung anzuwenden. Zudem erwerben Sie Fähigkeiten in der Datenanalyse und im maschinellen Lernen, die für die Entwicklung intelligenter Systeme unerlässlich sind. Sie setzen sich intensiv mit den Konzepten der objektorientierten Programmierung auseinander und implementieren diese in C++. Darüber hinaus erlernen Sie Methoden der Datenverarbeitung und -analyse, um große Datenmengen effizient zu nutzen. Ein weiterer Schwerpunkt liegt auf den Techniken des Deep Learning, die es ermöglichen, neuronale Netze für komplexe Aufgabenstellungen zu trainieren und einzusetzen. Durch praktische Übungen und Projekte wenden Sie die erlernten Konzepte der objektorientierten Programmierung an und vertiefen Ihr Verständnis für Data Science und Deep Learning. Sie entwickeln eigene Anwendungen, die auf realen Daten basieren, und analysieren deren Ergebnisse kritisch. Nach Abschluss der Weiterbildung sind Sie in der Lage, anspruchsvolle Softwareprojekte unter Anwendung der objektorientierten Programmierung zu realisieren und fortgeschrittene Methoden der Datenanalyse sowie des maschinellen Lernens in Ihre Arbeit zu integrieren.

C++ Grundlagen und Erweiterungen
  • Einführung: Eigenschaften, Verarbeitung, Unterschiede zu C und IDE-Setup mit Fokus auf objektorientierte Programmierung
  • Klassen und Konstruktoren in C++
  • Templates und deren Anwendungen aus der objektorientierten Programmierung
  • Vererbung
  • Polymorphe Klassen mit Bezug zur objektorientierten Programmierung
  • Operator-Overloading
  • Smart Pointer im Kontext der objektorientierten Programmierung
  • Exception-Handling

Datenverarbeitung und Visualisierung
  • Datenreinigung mit Methoden der objektorientierten Programmierung
  • Einführung in Pandas und Dataframes
  • Datenvisualisierung auf Basis der objektorientierten Programmierung
  • Einführung in Machine Learning
  • Lineare Regression in Verbindung mit objektorientierter Programmierung
  • K-Means Clustering

TensorFlow und Keras
  • Installation und Einrichtung von TensorFlow unter Berücksichtigung der objektorientierten Programmierung
  • Grundlegende Verwendung von TensorFlow
  • Verwendung von Keras im Rahmen der objektorientierten Programmierung
  • Erstellen von Machine-Learning-Modellen mit Keras
  • Analyse von Machine Learning in TensorFlow mit Aspekten der objektorientierten Programmierung
  • Problemlösung für nicht funktionierende Modelle
  • Laden und Speichern von Modellen unter Einsatz der objektorientierten Programmierung

Neuronale Netze und Deep Learning
  • Einführung in Neuronale Netze mit Bezug zur objektorientierten Programmierung
  • Hyperparameteroptimierung
  • Trainieren eines Neuronalen Netzes mit Methoden aus der objektorientierten Programmierung
  • Erstellen von FCN- und CNN-Modellen mit Keras
  • Erstellen von RNN-Modellen mit Keras unter Anwendung objektorientierter Programmierung
  • Aufgaben und Funktion von Deep Learning
  • Python- und Machine-Learning-Bibliotheken im Umfeld der objektorientierten Programmierung
  • Abgrenzung von Machine Learning und Deep Learning