Studienziele – Weiterbildung Maschinelles Lernen
Im zweiten Modul der Weiterbildung Data Science (Quantitative Methoden und Data Mining) wenden Sie Methoden der deskriptiven Statistik wie der Stochastik an. Sie besitzen einen Überblick über Zufallsvariablen sowie grundlegende Verteilungen, sie verstehen die Konzepte der bedingten Wahrscheinlichkeit und wenden das Theorem von Bayes auf praktische Fragestellungen an. Die Teilnehmer*innen erarbeiten Datenmodelle und beurteilen Spalten/Attribute/Features vor dem Hintergrund der jeweiligen Fragestellung
Die Teilnehmer*innen der Weiterbildung Maschinelles Lernen kennen den Unterschied zwischen überwachtem und unüberwachtem Lernen und wenden Verfahren aus dem Data Mining (Assoziation, Klassifikation, Clusterung) an. Die Teilnehmer*innen haben ein Grundverständnis über die Funktion neuronaler Netze. Sie sind über die aktuelle gesellschaftliche Diskussion etwa über algorithmische Verzerrung (Algorithmic Bias) und Ethik in Zusammenhang mit maschinellem Lernen informiert.
Technologisch steht R im Mittelpunkt. Bei den Data Mining Verfahren werden die Lösungen parallel mit R und einem Business Intelligence System (SQL Server) gezeigt.
Zugangsvoraussetzungen
- Abschluss eines Hochschulstudiums oder eines vergleichbaren Studiums an einer Berufsakademie (BA)
- mindestens ein Jahr für die Weiterbildung geeignete Berufserfahrung
- Besondere Vorkenntnisse im Programmieren mit R und Python sind nicht erforderlich, jedoch die Bereitschaft, sich in diese Programme einzuarbeiten.
- Interesse an der Teilnahme durch berufliche Erfahrungen in einem der Themenfelder (Vorverarbeitung, Datenanalyse, Ergebniskommunikation).
Detaillierte Informationen:
Aufbau und Ablauf des Fernstudienkurses Data Science
