-
Тип степени: Сертификат "PCEP™ - Certified Entry-Level Python Programmer"
Сертификат "Машинное обучение
Сертификат "Глубокое обучение
Сертификат "Аналитика данных -
Итоговый экзамен: Praxisbezogene Projektarbeiten mit Abschlusspräsentationen
Certified Entry-Level Python Programmer (PCEP™) (in englischer Sprache) -
Время уроков: Полный рабочий деньС понедельника по пятницу с 8:30 до 15:35 (в праздничные дни с 8:30 до 17:10).
-
Язык обучения: Немецкий
-
Продолжительность: 16 Недели
Программирование с помощью Python
Основы Python (около 1 дня)
История, концепции
Использование и области применения
синтаксис
Лексика, семантика
Соглашения PEP-8
Интерпретатор против компилятора
Первые шаги в Python (около 5 дней)
Числа
Строки
Дата и время
Стандартный ввод и вывод
Числовые операторы
Сравнение, логические и побитовые операторы
Преобразование типов данных
список, кортеж, диктант, набор
Функции и методы работы со списками
Ветвления и циклы (if, for, while)
операторы-члены
Искусственный интеллект (ИИ) в рабочем процессе
Презентация конкретных технологий ИИ
и возможного применения в профессиональной среде
Функции (около 5 дней)
Определение собственных функций
Переменные
Параметры и аргументы
Возвращаемые значения
Рекурсия
Пространства имен
Функциональное программирование
Устранение неполадок (около 0,5 дня)
пробовать, кроме
Типы ошибок
Перехват программных прерываний
Передача ошибок между функциями
Объектно-ориентированное программирование (около 4,5 дней)
Классы Python
Методы
Неизменяемые объекты
Класс данных
Наследование
Работа над проектом, подготовка к сертификации и сертификационный экзамен "PCEP™ - Certified Entry-Level Python Programmer" на английском языке (около 4 дней)
Машинное обучение
Введение в машинное обучение (около 5 дней)
Зачем нужно машинное обучение?
Примеры применения
Контролируемое обучение, неконтролируемое обучение, частично контролируемое обучение, обучение с подкреплением
Примеры наборов данных
Знакомство с данными
Обучающие, проверочные и тестовые данные
Просмотр данных
Составление прогнозов
Контролируемое обучение (около 5 дней)
Классификация и регрессия
Обобщение, чрезмерная и недостаточная подгонка
Размер набора данных
Алгоритмы для контролируемого обучения
Линейные модели
Классификаторы Байеса
Деревья решений
Случайный лес
Градиентный бустинг
k-nearest neighbours
Векторные машины с поддержкой
Условное случайное поле
Нейронные сети и глубокое обучение
Вероятности
Неконтролируемое обучение (около 5 дней)
Типы неконтролируемого обучения
Предварительная обработка и масштабирование
Преобразование данных
Масштабирование обучающих и тестовых данных
Уменьшение размерности
Разработка признаков
Манифольд-обучение
Декомпозиция главных компонент (PCA)
Факторизация неотрицательных матриц (NMF)
Манифольд-обучение с t-SNE
Кластерный анализ
Кластеризация k-Means
Агломеративная кластеризация
Иерархический кластерный анализ
DBSCAN
Кластерные алгоритмы
Оценка и совершенствование (около 2 дней)
Выбор модели и оценка модели
Настройка гиперпараметров оценщика
Кросс-валидация
Поиск по сетке
Метрики оценки
Классификация
Работа над проектом (около 3 дней)
Закрепление изученного материала
Презентация результатов проекта
Глубокое обучение
Введение в глубокое обучение (около 1 дня)
Глубокое обучение как разновидность машинного обучения
Основы нейронных сетей (около 4 дней)
Перцептрон
Расчет нейронных сетей
Оптимизация параметров модели, обратное распространение
Библиотеки глубокого обучения
Регрессия против классификации
Кривые обучения, перебор и регуляризация
Оптимизация гиперпараметров
Стохастический градиентный спуск (SGD)
Момент, оптимизатор Адама
Скорость обучения
Конволюционная нейронная сеть (CNN) (около 2 дней)
Классификация изображений
Конволюционные слои, объединяющие слои
Перестраивающие слои, сглаживание, объединение глобальных средних
Архитектуры CNN ImageNet-Competition
Глубокие нейронные сети, исчезающие градиенты, пропуск связей, пакетная нормализация
Трансферное обучение (около 1 дня)
Адаптация моделей
Предварительное обучение без контроля
Расширение данных изображений, объяснимый ИИ
Региональный CNN (около 1 дня)
Локализация объектов
Проблемы регрессии
Разветвленные нейронные сети
Методы творческой генерации изображений (около 1 дня)
Генеративные адверсарные сети (GAN)
Глубокие подделки
Диффузионные модели
Рекуррентные нейронные сети (около 2 дней)
Анализ последовательностей
Рекуррентные слои
Обратное распространение во времени (BPTT)
Анализ временных рядов
Проблемы разрыва и исчезающего градиента
LSTM (Long Short-Term Memory)
GRU (Gated Recurrent Unit)
Глубокий RNN
Глубокий LSTM
Обработка текста с помощью нейронных сетей (около 2 дней)
Предварительная обработка текста
Встраивание слоев
Классификация текста
Анализ смыслового содержания
Трансферное обучение в НЛП
Переводы
Метод последовательности в последовательность, архитектура кодера-декодера
Языковые модели (около 1 дня)
BERT, GPT
Слои внимания, трансформаторы
Конвейеры генерации текста
Суммирование
чатботы
Глубокое обучение с подкреплением (около 1 дня)
Управление динамическими системами
Агентские системы
Обучение через вознаграждение
Градиенты политики
Глубокое Q-обучение
Байесовские нейронные сети (около 1 дня)
Неопределенности в нейронных сетях
Статистическая оценка прогнозов
Доверие, стандартное отклонение
Несбалансированные данные
Методы выборки
Работа над проектом (около 3 дней)
Закрепление изученного материала
Презентация результатов проекта
Аналитика данных
Введение в анализ данных (около 1 дня)
Эталонная модель CRISP-DM
Рабочие процессы анализа данных
Определение искусственного интеллекта, машинного обучения, глубокого обучения
Требования и роль в компании инженеров по данным, data scientist и data analysts
Обзор основ Python (около 1 дня)
типы данных
Функции
Анализ данных (около 3 дней)
Центральные модули Python в контексте аналитики данных (NumPy, Pandas)
Процесс подготовки данных
Алгоритмы интеллектуального анализа данных на Python
Искусственный интеллект (ИИ) в рабочем процессе
Презентация конкретных технологий ИИ
и возможного применения в профессиональной среде
Визуализация данных (около 3 дней)
Эксплоративный анализ данных
понимание
Качество данных
Анализ преимуществ
Визуализация с помощью Python: Matplotlib, Seaborn, Plotly Express
Рассказ о данных
Управление данными (около 2 дней)
Архитектуры больших данных
Реляционные базы данных и SQL
Сравнение баз данных SQL и NoSQL
Бизнес-аналитика
Защита данных в контексте анализа данных
Анализ данных в контексте больших данных (около 1 дня)
Подход MapReduce
Spark
NoSQL
Приборные панели (около 3 дней)
Библиотека: Dash
Структура приборных панелей - компоненты Dash
Настройка дашбордов
Обратные вызовы
Текстовый майнинг (около 1 дня)
Предварительная обработка данных
Визуализация
Библиотека: SpaCy
Работа над проектом (около 5 дней)
Закрепление изученного материала
Презентация результатов проекта
Возможны изменения. Содержание курса регулярно обновляется.
По окончании курса вы будете обладать знаниями в области анализа и визуализации данных, а также управления данными. Вы будете знакомы с наиболее важными причинами использования машинного обучения, областями его применения, а также с различными категориями и концепциями машинного обучения. Вы также будете знакомы с областями применения глубокого обучения и принципами работы нейронных сетей. Вы поймете, как нейронные сети могут распознавать объекты на изображениях и способны обеспечить машинное обучение и процессы документооборота.
Вы также получите компактные базовые знания о программировании на Python. Вы сможете уверенно работать с языком программирования с его классами, библиотеками и функциями.
Компьютерные науки, математика, электротехника и люди со степенью в области (бизнес) инженерии.
Универсальность языка Python делает сотрудников с соответствующими навыками привлекательными во многих отраслях и компаниях. Люди с навыками программирования на Python особенно востребованы в сфере веб-разработки, машинного обучения и анализа данных.
Как специалист по ИИ в области машинного обучения и глубокого обучения вы также обладаете высокой квалификацией, можете работать во всех отраслях и поэтому пользуетесь большим спросом на рынке труда. Вы можете анализировать большие объемы данных для поиска закономерностей и моделей. Глубокое обучение часто используется в контексте искусственного интеллекта для распознавания лиц, объектов или речи.
Поскольку компаниям также приходится управлять и структурировать постоянно растущие объемы данных, чтобы анализировать и ставить задачи для своих бизнес-процессов, навыки анализа данных востребованы во всех отраслях.
Ваш значимый сертификат дает подробное представление о приобретенных вами квалификациях и улучшает ваши карьерные перспективы.
Дидактическая концепция
Ваши преподаватели обладают высокой профессиональной и дидактической квалификацией и будут обучать вас с первого до последнего дня (никакой системы самообучения).
Вы будете учиться в эффективных небольших группах. Обычно курсы состоят из 6-25 человек. Общие занятия дополняются многочисленными практическими упражнениями во всех модулях курса. Практический этап - важная часть курса, поскольку именно в это время вы обрабатываете полученные знания и обретаете уверенность и практичность в их применении. Заключительный раздел курса включает в себя проект, разбор конкретных ситуаций или итоговый экзамен.
Виртуальный класс alfaview®
BildungszentrumЗанятия проводятся с использованием современной видеотехнологии alfaview® - не выходя из дома или в нашем офисе по адресу . Весь курс может видеть друг друга лицом к лицу через alfaview®, общаться друг с другом с помощью синхронизированного по губам голоса и работать над совместными проектами. Разумеется, вы также можете в любое время видеть и разговаривать со своими преподавателями в прямом эфире, и на протяжении всего курса вас будут обучать преподаватели в режиме реального времени. Уроки - это не электронное обучение, а настоящее живое очное преподавание с помощью видеотехнологий.
alfatraining Agentur für Arbeit Учебные курсы субсидируются и сертифицируются в соответствии с положением об утверждении AZAV. Bildungsgutschein Aktivierungs- und VermittlungsgutscheinПри подаче заявки или заявки на обучение все расходы на курс обычно покрываются финансирующей организацией.
Europäischen Sozialfonds Deutsche Rentenversicherung Финансирование также возможно через программы (ESF), (DRV) или региональные программы финансирования. Berufsförderungsdienst Как постоянный солдат, вы можете посещать курсы повышения квалификации по программе (BFD). Agentur für Arbeit (Qualifizierungschancengesetz) Компании также могут повысить квалификацию своих сотрудников по программе финансирования от .