Разработчик машинного обучения с Reinforcement Learning, ITIL® Foundation (версия 5) и PRINCE2® Project Management Foundation (версия 7)
В рамках этого курса представлены основные задачи разработки систем машинного обучения. Вначале участники узнают, как систематически обрабатывать и анализировать данные с помощью Python и SQL, а также наглядно представлять их с помощью информативных визуализаций и панелей мониторинга Power BI. Затем в рамках курса будет показано, как доносить результаты анализа до целевой аудитории и как использовать генеративный ИИ в процессе анализа данных. Далее с помощью информационных панелей и текстового майнинга будут разъяснены две другие важные темы анализа данных. Далее вам будет представлен полный рабочий процесс машинного обучения — от подготовки данных и разработки моделей до оценки и интерпретации. При этом вы познакомитесь с такими методами, как регрессия, классификация, нейронные сети, генеративный ИИ и обработка естественного языка, а также с развертыванием моделей. В заключение курс углублённо рассматривает одну из областей машинного обучения — глубокое обучение — и объясняет его методы на основе нейронных сетей. В дополнение к этому вы расширите свои знания в области обучения с подкреплением — одной из трёх основных техник машинного обучения, при которой программное обеспечение обучается достигать оптимальных результатов посредством непосредственного взаимодействия с окружающей средой методом проб и ошибок. Ваши знания будут дополнены методом управления проектами PRINCE2® и методом оптимизации процессов ITIL®.
-
Тип степени: Сертификат "Разработчик машинного обучения"
Сертификат "Reinforcement Learning
Сертификат "ITIL® Foundation (версия 5)"
Сертификат "PRINCE2® Project Management Foundation (Version 7)" -
Дополнительная квалификация: Сертификат "Аналитика данных
Сертификат "Машинное обучение
Сертификат "Глубокое обучение -
Итоговый экзамен: Praxisbezogene Projektarbeiten mit Abschlusspräsentationen
ITIL® Foundation (Version 5) (Prüfungsvoucher im Kurs enthalten)
PRINCE2® Project Management Foundation (Version 7) (Prüfungsvoucher im Kurs enthalten) -
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: 20 Недели
Аналитика данных
Введение в аналитику данных (около 1 дня)
Задачи, области применения и типичные сценарии использования аналитики данных
Процессы анализа данных и CRISP-DM
Роль аналитика данных и отличие от таких областей, как наука о данных, инженерия данных и бизнес-аналитика
Место искусственного интеллекта и машинного обучения в этой области
Python для анализа данных (около 1 дня)
Работа с Jupyter Notebooks
NumPy и Pandas для анализа данных
Импорт и экспорт данных из различных источников, например Excel и CSV
Выбор и преобразование данных
Подготовка данных и эксплоративный анализ данных (около 3 дней)
Очистка и преобразование данных с помощью Pandas
Работа с отсутствующими, ошибочными и аномальными данными
Объединение, группировка и агрегирование данных
Эксплоративный анализ данных и вывод первых выводов
Основы статистической обработки данных
SQL и управление данными (около 2 дней)
Реляционные базы данных и модели данных
Запросы и обработка данных с помощью SQL
Связки, агрегации и аналитические запросы
Взаимодействие SQL и Python в анализе данных
Качество данных и защита данных
Подключение и использование различных источников данных и систем баз данных
Визуализация данных и рассказывание историй на основе данных (около 2 дней)
Визуализация с помощью Matplotlib, Seaborn и Plotly
Выбор подходящих диаграмм и форм визуализации
Обработка и интерпретация результатов анализа
Рассказ на основе данных и коммуникация с учетом аудитории
Power BI и интерактивные информационные панели (около 2 дней)
Импорт и подготовка данных с помощью Power Query
Моделирование данных и связи
Основы DAX и показателей
Создание интерактивных отчетов и панелей мониторинга
Визуализация и представление ключевых показателей эффективности бизнеса
Обзор альтернативных решений в области бизнес-аналитики и визуализации
Анализ данных с использованием ИИ (около 2 дней)
Использование генеративного ИИ в рабочем процессе анализа данных
Подготовка, анализ и визуализация данных с помощью ИИ
Помощь в составлении запросов на Python и SQL
Составление подсказок для анализа данных и интерпретации результатов
Критическая оценка источников данных, а также выявление синтетических и неправдоподобных данных
Обеспечение качества, защита данных и ответственное использование ИИ
Бизнес-аналитика и основы статистики (около 2 дней)
Показатели и KPI в контексте предприятия
Описательная статистика и статистические взаимосвязи
Корреляция, причинно-следственная связь и простые регрессионные анализы
Основы доверительных интервалов и проверки гипотез
Интерпретация результатов анализа и выработка рекомендаций к действию на основе данных
Работа над проектом (около 5 дней)
Закрепление изученного материала
Презентация результатов проекта
Машинное обучение
Введение в машинное обучение и рабочий процесс ML (около 3 дней)
Основы, области применения и виды машинного обучения
Систематизация современных методов искусственного интеллекта и машинного обучения
Рабочий процесс машинного обучения с использованием scikit-learn
Данные для обучения, валидации и тестирования
Недообучение, переобучение и оценка моделей
Кросс-валидация
Подготовка данных и инжиниринг признаков (около 2 дней)
Качество данных и предварительная обработка данных
Масштабирование, нормализация и кодирование
Инженерия признаков и выбор признаков
Работа с отсутствующими значениями, выбросами и несбалансированными наборами данных
Обучение с учителем — регрессия и классификация (около 5 дней)
Методы регрессии и классификации
Линейные и регуляризованные модели
Методы, основанные на расстоянии, вероятности и деревьях
Ансамблевые и бустинг-методы
Сравнение моделей и оптимизация гиперпараметров
Метрики оценки и вероятностные прогнозы
Важность признаков и объяснимый ИИ
Обучение без контроля (около 2 дней)
Сведение размерности и извлечение признаков
Методы кластеризации и оценка результатов кластеризации
Обнаружение аномалий
Анализ временных рядов и прогнозы (около 1 дня)
Основы и анализ данных временных рядов
Методы прогнозирования и машинное обучение для временных рядов
Нейронные сети и современный ИИ (около 2 дней)
Основы нейронных сетей и глубокого обучения
Машинное обучение для текстовых данных и обработка естественного языка
Базовые модели, крупные языковые модели и генеративный ИИ
Развертывание моделей машинного обучения (около 1 дня)
Хранение и предоставление обученных моделей
Разработка простых приложений машинного обучения
Интерфейсы и платформы для моделей машинного обучения
Работа над проектом (около 4 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
Обучение с подкреплением
Введение в обучение с подкреплением (около 1 дня)
Определение и основные понятия
Отличия от других методов обучения
Области применения и примеры
Марковские процессы принятия решений (МПП) (около 2 дней)
Определение и свойства MDP
Функции ценности и политика
Уравнения Беллмана
Подход динамического программирования
Q-Learning (около 2 дней)
Определение и алгоритм
Исследование и эксплуатация
Сходимость и свойства оптимизации
Применение в играх, робототехнике и других областях
Глубокое обучение с подкреплением (около 3 дней)
Глубокое Q-обучение
Глубокие детерминированные градиенты политики (DDPG)
Акторно-критические методы
Методы градиента политики
Продвинутые темы (около 4 дней)
Обучение с применением подкрепления на основе моделей
Многоагентное обучение с усилением
Инверсное обучение с усилением
Мета-обучение с усилением
Практические приложения (около 3 дней)
Реализация алгоритмов обучения с подкреплением
Применение к выбранным проблемам и тематическим исследованиям
Оценка и настройка алгоритмов
Резюме и перспективы (около 2 дней)
Краткое изложение наиболее важных концепций и результатов
Проблемы и будущие разработки в области обучения с подкреплением
Работа над проектом (около 3 дней)
Закрепление изученного материала
Презентация результатов проекта
ITIL® Foundation (версия 5)
Важные термины и определения ITIL (около 2 дней)
Управление цифровыми продуктами и услугами
Продукты, услуги и сервисные предложения
Создание ценности и взаимоотношения в сфере услуг
Потребители услуг, поставщики услуг, спонсоры, клиенты и пользователи
Качество услуг и соглашения об уровне обслуживания (SLA)
Полезность, гарантия, пользовательский опыт и устойчивость
Жизненный цикл продуктов и услуг ITIL
Непрерывное совершенствование
Четыре измерения управления продуктами и услугами ITIL (около 1 дня)
Организации и люди
Партнеры и поставщики
Информация и технологии
Потоки ценности и процессы
Холистический подход и внешние факторы влияния
Жизненный цикл продуктов и услуг ITIL (около 1 дня)
Открытие, проектирование, приобретение и создание
Переход, эксплуатация, поставка и поддержка
Создание ценности в жизненном цикле продукта и услуги
Итеративное и нелинейное использование жизненного цикла
Система ценностей ITIL (около 2 дней)
Компоненты системы ценностей ITIL и основные принципы ITIL
Управление, цепочка ценностей и операционная модель
Практика управления, практические рекомендации и непрерывное совершенствование
Ориентация на ценности, сотрудничество и оптимизация
Сервисные операции, релизы и управление проблемами
Непрерывная интеграция, непрерывная доставка и непрерывное развертывание
Инжиниринг надежности объекта (SRE) и наблюдаемость
Метрики и критические факторы успеха (CSF)
Идентификация, картирование и управление потоками создания стоимости (около 1 дня)
Потоки стоимости и управление потоками стоимости
Основные и вспомогательные потоки ценности
Мышление о сложности и оптимизация рабочих процессов
Составление карт потоков ценности
ITIL и искусственный интеллект (около 0,5 дня)
Искусственный интеллект (ИИ) и зрелость ИИ
Генеративный ИИ (GenAI) и агентный ИИ
ИИ в жизненном цикле продукта и услуги
Управление ИИ
ITIL и другие фреймворки (около 0,5 дня)
ITIL и DevOps
ITIL и PRINCE2
Управление проектами в жизненном цикле продукта и услуги
Работа над проектом, подготовка к сертификации и сертификационный экзамен (около 3 дней)
PRINCE2® Project Management Foundation (версия 7)
Введение в управление проектами на основе PRINCE2® (около 1 дня)
Определение и характеристики проекта
Цикл управления проектом и шесть измерений проекта
Проблемы в управлении проектами - почему проекты терпят неудачу?
Преимущества метода управления проектами PRINCE2®
Среда заказчик-поставщик
Проекты в коммерческой среде
Структура метода PRINCE2® и его пять интегрированных строительных блоков
Управленческие продукты PRINCE2®
Цифровые инструменты и анализ с поддержкой искусственного интеллекта в современном управлении проектами
Основные принципы PRINCE2® (около 1 дня)
Семь основных принципов PRINCE2®
Формулировки и содержание основных принципов
Взаимосвязь между основными принципами и темами PRINCE2®
Адаптация PRINCE2® к проектной среде с учетом цифровых методов работы
Важность людей для проектов PRINCE2® (около 1 дня)
Управление изменениями
Лидерство и управление
Коммуникации в проекте
Влияние цифровых систем и систем, поддерживаемых искусственным интеллектом, на процессы сотрудничества и изменений
Семь тем PRINCE2® (около 3 дней)
Бизнес-кейс (подход к управлению выгодами и подход к управлению устойчивостью)
Организация (структура проекта, роли и обязанности)
Создание планов
Планирование и контроль качества
Управление рисками с использованием современных методов анализа и оценок на основе данных
Управление проблемами
Контроль хода выполнения проекта
Семь процессов PRINCE2® (около 2 дней)
Взаимодействие семи процессов PRINCE2® в процессе реализации проекта
Виды деятельности в соответствующих процессах PRINCE2®
Подготовка, руководство и инициирование проекта
Управление этапом
Управление поставкой продукта
Управление переходами между фазами
Закрытие проекта
Работа над проектом, подготовка к сертификации и сертификационный экзамен (около 2 дней)
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 поймете основные концепции обучения с подкреплением и узнаете, чем оно отличается от других методов обучения. Вы будете знакомы с марковскими процессами принятия решений, Q-обучением и глубоким обучением с подкреплением, а также сможете применять такие продвинутые темы, как многоагентное обучение с подкреплением и обучение на основе моделей.
Вы также понимаете основные концепции управления цифровыми продуктами и услугами в соответствии с ITIL® Foundation (версия 5). Вы знакомы с жизненным циклом продуктов и услуг ITIL, системой ценностей ITIL, потоками создания ценности, созданием ценности и взаимоотношениями услуг, а также с такими современными концепциями, как искусственный интеллект, автоматизация и непрерывное совершенствование, и можете классифицировать их в организационном контексте. Вы также сможете работать над проектами PRINCE2® и будете знакомы с их процессами и терминологией. Вы также сможете планировать и реализовывать ИТ-проекты и оценивать их успешность.
Компьютерные науки, математика, электротехника и люди со степенью в области (бизнес) инженерии.
Принятие решений на основе данных играет всё более важную роль в компаниях и организациях. Соответственно, востребованы специалисты, способные обрабатывать, анализировать и наглядно визуализировать данные из различных источников. Знание языков программирования Python и SQL, а также технологий бизнес-аналитики открывает возможности для работы в сфере аналитики данных, а также в специализированных и корпоративных подразделениях, ориентированных на работу с данными.
Машинное обучение применяется во всех отраслях для анализа больших объемов данных, выявления закономерностей, оптимизации процессов и составления прогнозов. Соответствующие знания находят применение, в частности, в сфере ИТ, промышленности, логистики, финансов и маркетинга. Знание языка Python, а также навыки разработки, оценки и применения моделей машинного обучения открывают возможности для работы в сферах, ориентированных на данные и искусственный интеллект.
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.
Обучение с подкреплением часто используется в робототехнике и технологиях автоматизации, а также в автомобильной промышленности, например, для функций помощи водителю или при разработке и оптимизации автономных транспортных систем. Специалисты, обладающие соответствующими знаниями, пользуются большим спросом на рынке труда во всех отраслях.
Обладая знаниями в области управления ИТ-услугами и проектами с помощью ITIL® и PRINCE2®, вы получаете дополнительную квалификацию, которая пользуется большим спросом, особенно в ИТ-секторе.
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 .