Sie suchen - Wir finden.

Inhalte: DATA ENGINEER
Grundlagen Data Engineering und Datenarchitekturen (ca. 2 Tage)
Anforderungsmanagement und Datenmodellierung (ca. 1 Tag)
Datenbanken und Datenverarbeitung (ca. 1 Tag)
Data Warehousing und moderne Datenarchitekturen (ca. 2 Tage)
Datenintegration und Data Pipelines (ca. 5 Tage)
Programmierung und automatisierte Datenverarbeitung (ca. 4 Tage)
Projektarbeit (ca. 5 Tage)

MACHINE LEARNING
Einführung in Machine Learning und ML-Workflow (ca. 3 Tage)
Datenaufbereitung und Feature Engineering (ca. 2 Tage)
Überwachtes Lernen – Regression und Klassifikation (ca. 5 Tage)
Unüberwachtes Lernen (ca. 2 Tage)
Zeitreihenanalyse und Prognosen (ca. 1 Tag)
Neuronale Netze und moderne KI (ca. 2 Tage)
Bereitstellung von ML-Modellen (ca. 1 Tag)
Projektarbeit (ca. 4 Tage)

DEEP LEARNING
Einführung Deep Learning (ca. 1 Tag)
Grundlagen in neuronalen Netzen (ca. 4 Tage)
Convolutional Neural Network (CNN) (ca. 2 Tage)
Transfer Learning (ca. 1 Tag)
Regional CNN (ca. 1 Tag)
Methoden der kreativen Bilderzeugung (ca. 1 Tag)
Recurrente neurale Netze (ca. 2 Tage)
Textverarbeitung durch neuronale Netze (ca. 2 Tage)
Sprachmodelle (ca. 1 Tag)
Deep Reinforcement Learning (ca. 1 Tag)
Bayes'sche neuronale Netze (ca. 1 Tag)
Projektarbeit (ca. 3 Tage)

REINFORCEMENT LEARNING
Einführung in Reinforcement Learning (ca. 1 Tag)
Markov Decision Processes (MDPs) (ca. 2 Tage)
Q-Learning (ca. 2 Tage)
Deep Reinforcement Learning (ca. 3 Tage)
Fortgeschrittene Themen (ca. 4 Tage)
Praktische Anwendungen (ca. 3 Tage)
Zusammenfassung und Ausblick (ca. 2 Tage)
Projektarbeit (ca. 3 Tage)

Änderungen möglich. Die Lehrgangsinhalte werden regelmäßig aktualisiert.