Machine Learning mit Design Thinking

Bei Machine Learning wird künstliches Wissen aus Erfahrung mithilfe von Algorithmen generiert – es ist ein Teilbereich der Künstlichen Intelligenz (KI). Mit Design Thinking stellt dieser Kurs außerdem einen Ansatz zum Lösen von Problemen und zur Entwicklung neuer Ideen vor.
  • Abschlussart: Zertifikat „Machine Learning“
  • Zusatzqualifikationen: Zertifikat „Design Thinking“
  • Abschlussprüfung: Praxisbezogene Projektarbeiten mit Abschlusspräsentationen
  • Unterrichtszeiten: Vollzeit
    Montag bis Freitag von 8:30 bis 15:35 Uhr (in Wochen mit Feiertagen von 8:30 bis 17:10 Uhr)
  • Dauer: 5 Wochen

Design Thinking

Einführung in Design Thinking (ca. 1,5 Tage)

Design Thinking Prozess im Überblick

Die wichtigsten Regeln und Phasen des Design Thinking

Praxisorientierte Ansätze und Anwendungen

Digitale Tools und KI im Innovationsprozess


Phase 1: Research (ca. 0,5 Tage)

Methoden des nutzerzentrierten Research

Interviewtechniken und Bedarfsanalyse

KI-gestützte Recherche und Informationsaufbereitung


Phase 2: Synthese (ca. 0,5 Tage)

Analyse und Strukturierung von Erkenntnissen

Entwicklung von Problemdefinitionen und Personas

Visualisierung und Clusterung von Ergebnissen


Phase 3: Ideation (ca. 0,5 Tage)

Kreativtechniken zur Ideenentwicklung

Methoden zur Lösungsfindung und Bewertung

Einsatz generativer KI im Ideenprozess


Phase 4: Prototyping (ca. 0,5 Tage)

Entwicklung erster Lösungsansätze und Mockups

Einführung in Rapid Prototyping und Click Dummys

Digitale Werkzeuge zur Visualisierung von Konzepten


Phase 5: Testing (ca. 0,5 Tage)

Methoden zur Durchführung von Tests und Feedbackrunden

Analyse und Optimierung von Lösungsansätzen

Iteratives Arbeiten und agile Weiterentwicklung


Projektarbeit (ca. 1 Tag)

Zur Vertiefung der gelernten Inhalte

Präsentation der Projektergebnisse

Machine Learning

Einführung in Machine Learning und ML-Workflow (ca. 3 Tage)

Grundlagen, Anwendungsbereiche und Arten des Machine Learning

Einordnung moderner KI- und Machine-Learning-Verfahren

Machine-Learning-Workflow mit scikit-learn

Trainings-, Validierungs- und Testdaten

Underfitting, Overfitting und Modellevaluation

Cross Validation


Datenaufbereitung und Feature Engineering (ca. 2 Tage)

Datenqualität und Datenvorverarbeitung

Skalierung, Normalisierung und Kodierung

Feature Engineering und Feature Selection

Umgang mit fehlenden Werten, Ausreißern und unausgeglichenen Datensätzen


Überwachtes Lernen – Regression und Klassifikation (ca. 5 Tage)

Regressions- und Klassifikationsverfahren

Lineare und regularisierte Modelle

Distanz-, wahrscheinlichkeits- und baumbasierte Verfahren

Ensemble- und Boosting-Verfahren

Modellvergleich und Hyperparameteroptimierung

Evaluationsmetriken und probabilistische Vorhersagen

Feature Importance und Explainable AI 


Unüberwachtes Lernen (ca. 2 Tage)

Dimensionsreduktion und Merkmalsextraktion

Clusterverfahren und Bewertung von Clustering-Ergebnissen

Anomalieerkennung


Zeitreihenanalyse und Prognosen (ca. 1 Tag)

Grundlagen und Analyse von Zeitreihendaten

Prognoseverfahren und Machine Learning für Zeitreihen


Neuronale Netze und moderne KI (ca. 2 Tage)

Grundlagen neuronaler Netze und Deep Learning

Machine Learning für Textdaten und Natural Language Processing

Foundation Models, Large Language Models und generative KI


Bereitstellung von ML-Modellen (ca. 1 Tag)

Speicherung und Bereitstellung trainierter Modelle

Entwicklung einfacher ML-Anwendungen

Schnittstellen und Plattformen für Machine-Learning-Modelle


Projektarbeit (ca. 4 Tage)

Zur Vertiefung der gelernten Inhalte

Präsentation der Projektergebnisse



Änderungen möglich, die Lehrgangsinhalte werden regelmäßig aktualisiert.

Programmiersprache Python wird vorausgesetzt.

Nach dem Lehrgang kannst du Daten für Machine-Learning-Anwendungen aufbereiten, geeignete Verfahren des überwachten und unüberwachten Lernens auswählen und Modelle trainieren, evaluieren und optimieren. Du kannst Modellergebnisse interpretieren und grundlegende Machine-Learning-Anwendungen umsetzen. Zudem kennst du aktuelle Entwicklungen im Bereich Deep Learning und generativer KI.

Zusätzlich vermittelt der Kurs den Ansatz des Design Thinking, mit welchem sich innovative und nutzerzentrierte Lösungen für komplexe Herausforderungen entwickeln lassen. Du lernst die Prinzipien und den strukturierten, iterativen Ablauf des Design Thinking kennen und erfährst, wie praxisorientierte Werkzeuge, digitale Tools und Künstliche Intelligenz kreative sowie interdisziplinäre Innovationsprozesse unterstützen.

Informatiker:innen, Mathematiker:innen, Elektrotechniker:innen sowie Personen mit Studium der (Wirtschafts-)Ingenieurwissenschaften

Machine Learning wird branchenübergreifend eingesetzt, um große Datenmengen auszuwerten, Muster zu erkennen, Prozesse zu optimieren und Prognosen zu erstellen. Entsprechende Kenntnisse werden unter anderem in der IT, Industrie, Logistik, im Finanzwesen und Marketing eingesetzt. Kenntnisse in Python sowie in der Entwicklung, Bewertung und Anwendung von Machine-Learning-Modellen eröffnen Einsatzmöglichkeiten in daten- und KI-orientierten Tätigkeitsfeldern.

Im Ansatz war Design Thinking eine innovative Methode zur Produktentwicklung, der sich aber mittlerweile auf die gesamte Unternehmenskultur ausgeweitet hat und somit branchenübergreifend gefragt ist.

Dein aussagekräftiges Zertifikat gibt detaillierten Einblick in deine erworbenen Qualifikationen und verbessert deine beruflichen Chancen.

Didaktisches Konzept

Deine Dozierenden sind sowohl fachlich als auch didaktisch hoch qualifiziert und werden dich vom ersten bis zum letzten Tag unterrichten (kein Selbstlernsystem).

Du lernst in effektiven Kleingruppen. Die Kurse bestehen in der Regel aus 6 bis 25 Teilnehmenden. Der allgemeine Unterricht wird in allen Kursmodulen durch zahlreiche praxisbezogene Übungen ergänzt. Die Übungsphase ist ein wichtiger Bestandteil des Unterrichts, denn in dieser Zeit verarbeitest du das neu Erlernte und erlangst Sicherheit und Routine in der Anwendung. Im letzten Abschnitt des Lehrgangs findet eine Projektarbeit, eine Fallstudie oder eine Abschlussprüfung statt.

 

Virtueller Klassenraum alfaview®

Der Unterricht findet über die moderne Videotechnik alfaview® statt  - entweder bequem von zu Hause oder bei uns im Bildungszentrum. Über alfaview® kann sich der gesamte Kurs face-to-face sehen, in lippensynchroner Sprachqualität miteinander kommunizieren und an gemeinsamen Projekten arbeiten. Du kannst selbstverständlich auch deine zugeschalteten Trainer:innen jederzeit live sehen, mit diesen sprechen und du wirst während der gesamten Kursdauer von deinen Dozierenden in Echtzeit unterrichtet. Der Unterricht ist kein E-Learning, sondern echter Live-Präsenzunterricht über Videotechnik.

 

Die Lehrgänge bei alfatraining werden von der Agentur für Arbeit gefördert und sind nach der Zulassungsverordnung AZAV zertifiziert. Bei der Einreichung eines Bildungsgutscheines oder eines  Aktivierungs- und Vermittlungsgutscheines werden in der Regel die gesamten Lehrgangskosten von deiner Förderstelle übernommen.
Eine Förderung ist auch über den Europäischen Sozialfonds (ESF), die Deutsche Rentenversicherung (DRV) oder über regionale Förderprogramme möglich. Als Zeitsoldat:in besteht die Möglichkeit, Weiterbildungen über den Berufsförderungsdienst (BFD) zu besuchen. Auch Firmen können ihre Mitarbeiter:innen über eine Förderung der Agentur für Arbeit (Qualifizierungschancengesetz) qualifizieren lassen.

Gerne beraten wir dich kostenfrei.

0800 3456-500 Mo. - Fr. von 8 bis 17 Uhr
kostenfrei aus allen deutschen Netzen.

Kontakt

Gerne beraten wir dich kostenfrei. 0800 3456-500 Mo. - Fr. von 8 bis 17 Uhr kostenfrei aus allen deutschen Netzen.