Machine und Reinforcement Learning

Der Lehrgang behandelt detailliert den Fachbereich Machine Learning. Zunächst wird dir der vollständige Workflow vermittelt - von der Datenaufbereitung und Modellentwicklung bis zur Bewertung und Interpretation. Dabei lernst du Verfahren wie Regression, Klassifikation, neuronale Netze, generative KI und Natural Language Processing sowie die Bereitstellung von Modellen kennen. Im Anschluss wird mit Reinforcement Learning eine der drei Haupttechniken des maschinellen Lernens beschrieben, in der Software durch den direkten Austausch mit ihrer Umwelt in Form von Versuch und Irrtum trainiert wird, optimale Ergebnisse zu erzielen.

  • Abschlussart: Zertifikat „Machine Learning“
    Zertifikat „Reinforcement Learning“
  • 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: 8 Wochen

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

Reinforcement Learning

Einführung in Reinforcement Learning (ca. 1 Tag) 

Definition und grundlegende Konzepte

Unterschiede zu anderen Lernmethoden

Anwendungsbereiche und Beispiele


Markov Decision Processes (MDPs) (ca. 2 Tage)

Definition und Eigenschaften von MDPs

Value-Funktionen und Policy

Bellman-Gleichungen

Dynamic Programming Ansatz


Q-Learning (ca. 2 Tage)

Definition und Algorithmus

Exploration vs. Exploitation

Konvergenz- und Optimierungseigenschaften

Anwendungen in Spielen, Robotik und anderen Bereichen


Deep Reinforcement Learning (ca. 3 Tage)

Deep Q-Learning

Deep Deterministic Policy Gradients (DDPG)

Actor-Critic-Methoden

Policy Gradient-Methoden


Fortgeschrittene Themen (ca. 4 Tage)

Model-Based Reinforcement Learning

Multi-Agent Reinforcement Learning

Inverse Reinforcement Learning

Meta Reinforcement Learning


Praktische Anwendungen (ca. 3 Tage)

Implementierung von Reinforcement Learning Algorithmen

Anwendung auf ausgewählte Probleme und Fallstudien

Evaluation und Tuning der Algorithmen


Zusammenfassung und Ausblick (ca. 2 Tage)

Zusammenfassung der wichtigsten Konzepte und Ergebnisse

Herausforderungen und zukünftige Entwicklungen in Reinforcement Learning


Projektarbeit (ca. 3 Tage)

Zur Vertiefung der gelernten Inhalte

Präsentation der Projektergebnisse



Änderungen möglich, die Lehrgangsinhalte werden regelmäßig aktualisiert.

Die Programmiersprache Python wird vorausgesetzt, Vorkenntnisse im Bereich Data Analytics werden empfohlen.

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.

Außerdem verstehst du die grundlegenden Konzepte des Reinforcement Learning und kennst die Unterschiede zu anderen Lernmethoden. Du bist mit Markov-Entscheidungsprozessen, Q-Learning und Deep Reinforcement Learning vertraut und kannst fortgeschrittene Themen wie Multi-Agent- und Model-Based Reinforcement Learning anwenden.

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.

Mit Reinforcement Learning erlangst du zusätzlich branchenübergreifend gesuchte Kenntnisse, die u. a. vielfach in der Robotik und Automatisierungstechnik, aber auch in der Automobilbranche, bspw. zu Fahrassistenzfunktionen, oder in der Entwicklung und Optimierung autonomer Verkehrssysteme zum Einsatz kommt.

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.