• Deutsch

  • English

Kontakt
  • Haben Sie Fragen?

Birgit Welt

Study Coach

Your Contact

Künstliche Intelligenz / Machine Learning

Für Weiterbildungsinteressierte mit ersten Kenntnissen des Programmierens, die die Grundlagen des maschinellen Lernens erlernen und in die Welt der künstlichen Intelligenz mit dem Fokus auf den Bereich Automotive eintauchen möchten.

Lernziele


Die Teilnehmenden kennen und verstehen wichtige Grundprinzipien und Methoden der Künstlichen Intelligenz. Sie sind in der Lage, Verfahren, Vorgehensweisen, Risiken und Grenzen intelligenter Systeme zu analysieren und können Lösungsansätze für typische KI-Probleme entwickeln und bewerten. Die Teilnehmenden sind imstande, mithilfe von Verfahren des maschinellen Lernens Anwendungen für Klassifikations- und Prognosemodelle zu entwickeln und innerhalb ihres Kompetenzbereichs einzusetzen.

Lehrinhalte


1. Prof. Dr.-Ing. Nicolaj Stache:

1.1 Grundlagen des maschinellen Lernens, Überblick über klassische Verfahren, Begrifflichkeiten

1.2 Einführung in das Tooling für die Praxisphasen: Python, Jupyter Notebook, Python-Bibliotheken, Tensor-Flow

1.3 Praxisphase: klassische Verfahren des maschinellen Lernens

 

2. Prof. Dr. Oliver Wasenmüller:

2.1 Lineare Klassifikation

2.2 Optimierung

2.3 Neuronale Netzwerke

2.4 Rückpropagation

 

3. Prof. Dr.-Ing. Nicolaj Stache:

3.1 Vertiefung in das Tooling für die Praxisphasen: Numpy

3.2 Einführung in neuronale Netze, Inferenz, Training

3.3 Praxisphase: Neuronales Netz mit Numpy

3.4 Tiefe neuronale Netze

3.5 Praxisphase: Einführung in Tensorflow & Digit Recognition

3.6 Convolutional Neural Networks

3.7 Praxisphase: Verkehrszeichenklassifikation über Deep Learning

 

4. Prof. Dr. Oliver Wasenmüller:

4.1 Deep Learning Hardware & Software

4.2 Traning: Aktivierungsfunktionen, Datenvorverarbeitung, Gewichtsinitialisierung, Regularisierung, Lernrate, Batch Training, Hyperparamerer Optimierung

 

5. Prof. Dr.-Ing. Nicolaj Stache:

5.1 Bekannte Netzwerk-Architekturen

5.2 Praxisphase: Transfer-Learning

5.3 Fortgeschrittene Anwendungen (GAN, RNN)

5.4 Visualierungstechniken

5.5 Projektarbeitsbeschreibungen, lokale Tooling-Installation

 

6. Prof. Dr. Oliver Wasenmüller:

6.1 Detektion

6.2 Segmentierung

6.3 Praxisphase: Detektion und Segmentierung

6.4 Reinforcement Learning

Didaktisches Konzept


Didaktisch sinnvolle Kombination aus Präsenzstudium und selbst gesteuertem Lernen.

Weitere Informationen zum Download


Lernform

Präsenz

Zeitraum

6 Online-Präsenztage + Prüfungseinheit (online)

Workload

5 ECTS

46 UE Präsenz / virtuelle Präsenz

104 UE Selbststudium

Prüfung

Projektarbeit

Niveau

Advanced

Voraussetzungen

Programmierkenntnisse in mind. einer Programmiersprache, Grundkenntnisse in linearer Algebra, gute Englischkenntnisse

Sprache

Deutsch / Englisch

Freie Plätze

5

Lehrende

Prof. Dr.-Ing. Nicolaj Stache, Prof. Dr. Oliver Wasenmüller

Ort

Hochschule Esslingen

Angebotshäufigkeit

Wintersemester

Abschluss

Teilnahmebescheinigung

Melden Sie sich jetzt an!


zum Anmeldeformular

IHRE ANSPRECHPERSON


Katharina Grimm

Katharina Grimm

Weiterbildungs- und Zertifikatskurse

+49 7361 576-1458
+49 (0) 170-210-8476
katharina.grimm(at)hs-aalen.de