-
Тип степени: Сертификат "Дизайнерское мышление
Сертификат "Машинное обучение
Сертификат "Глубокое обучение -
Итоговый экзамен: Praxisbezogene Projektarbeiten mit Abschlusspräsentationen
-
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: 9 Недели
Дизайнерское мышление
Введение в дизайн-мышление (около 1,5 дней)
Процесс дизайн-мышления с первого взгляда
Наиболее важные правила и фазы дизайн-мышления
Практические подходы и приложения
Цифровые инструменты и искусственный интеллект в инновационном процессе
Фаза 1: Исследование (около 0,5 дня)
Методы исследования, ориентированного на пользователя
Техника проведения интервью и анализ потребностей
Исследования и обработка информации с помощью ИИ
Этап 2: Обобщение (около 0,5 дня)
Анализ и структурирование полученных данных
Разработка определений проблем и персон
Визуализация и кластеризация результатов
Фаза 3: Идеи (около 0,5 дня)
Креативные техники для разработки идей
Методы поиска и оценки решений
Использование генеративного ИИ в процессе разработки идей
Этап 4: Создание прототипов (около 0,5 дня)
Разработка первоначальных подходов к решению и макетов
Знакомство с быстрым прототипированием и манекенами
Цифровые инструменты для визуализации концепций
Этап 5: Тестирование (около 0,5 дня)
Методы проведения тестов и раундов обратной связи
Анализ и оптимизация подходов к решению
Итеративная работа и agile-разработка
Работа над проектом (около 1 дня)
Закрепление изученного материала
Презентация результатов проекта
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)
Многослойные перцептроны
Расчет нейронных сетей
Оптимизация параметров модели, обратное распространение
Библиотеки глубокого обучения
Регрессия и классификация
Типичные функции потерь и активации
Оценка прогноза модели с помощью метрик
Метрики регрессии и классификации
Кривые обучения, оверфиттинг и регуляризация
Оптимизация гиперпараметров
Регуляризация L1/12
Отсев
Ранняя остановка
Стохастический градиентный спуск (СГС)
Момент, оптимизатор Адама
Оптимизация скорости обучения
Динамическая регулировка скорости обучения
Снижение скорости обучения на плато
Оптимизация скорости обучения с помощью TensorBoard
Управление процессом подгонки с помощью обратных вызовов
Сохранение и загрузка моделей
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 и комбинирование моделей
Предварительное обучение без контроля
Дополнение данных изображениями, объяснимый ИИ
Загрузчик данных
Региональный CNN (около 1 дня)
Локализация объектов
Семантическая сегментация
Проблемы регрессии
Разветвленные нейронные сети
Архитектура YOLO
Модели U-Net
Методы творческой генерации изображений (около 1 дня)
Генеративные адверсарные сети (GAN)
Глубокие подделки
Диффузионные модели
Суперразрешение
Дополнение областей изображения
Применение базовых моделей из Hugging Face
Мультимодальные модели
LoRA-Fine-Tuning
Области применения генеративных моделей
Правовые ограничения
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 настроения
Обработка естественного языка (NLP)
Переводы
Генерация текста
Метод "последовательность-последовательность", архитектура кодер-декодер
Модели, использующие только кодер и только декодер
Локальное применение больших языковых моделей
Языковые модели (около 1 дня)
Архитектура трансфомеров
Внимание и многоголовое внимание
Позиционные кодировки
Тонкая настройка больших языковых моделей
Подсказки
Конвейеры генерации текста
Резюме
Чат-боты
Поиск Расширенная генерация
ИИ-агенты
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
Возможны изменения, содержание курса регулярно обновляется.
После прохождения курса вы будете обладать необходимыми знаниями в области машинного обучения. Вы будете знать наиболее важные причины использования машинного обучения, области применения, различные категории и концепции машинного обучения. Вы дополните свои знания навыками оценки и совершенствования.
Вы также знакомы с областями применения глубокого обучения и принципами работы нейронных сетей. Вы понимаете, как нейронные сети могут распознавать объекты на изображениях и способны обеспечить машинное обучение и процессы документирования.
Кроме того, в рамках курса изучается подход «дизайн-мышление», с помощью которого можно разрабатывать инновационные и ориентированные на пользователя решения для сложных задач. Вы познакомитесь с принципами и структурированным, итеративным процессом «дизайн-мышления» и узнаете, как практические инструменты, цифровые технологии и искусственный интеллект способствуют творческим и междисциплинарным инновационным процессам.
Компьютерные науки, математика, электротехника и люди со степенью в области (бизнес) инженерии.
Машинное обучение используется во многих областях: самостоятельная разработка подходящих спам-фильтров для интернета, создание точных прогнозов уровня запасов в управлении цепочками поставок или разработка прогнозов покупок для отдельных клиентов или сегментов потребителей в маркетинге. Сотрудники, обладающие квалификацией в области машинного обучения, могут быть задействованы во всех отраслях и поэтому пользуются большим спросом на рынке труда.
Глубокое обучение может использоваться для анализа больших объемов данных на предмет выявления закономерностей и моделей. Именно поэтому оно часто используется в контексте искусственного интеллекта для распознавания лиц, объектов или речи, например, при распознавании медицинских изображений, распознавании текста и речи в продажах, обеспечении безопасности ИТ-данных или мониторинге финансовых операций. Поэтому специалисты с такими знаниями могут применяться в самых разных областях и пользуются большим спросом на рынке труда.
Изначально дизайн-мышление было инновационным методом разработки продуктов, но теперь оно распространилось на всю корпоративную культуру и поэтому востребовано 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 .