Machine und Reinforcement Learning mit Statistik

Kursüberblick

Der Lehrgang verknüpft die Themen Statistik zur Verifizierung von Beobachtungen und Einordnung von Messdaten sowie Machine Learning - hier wird künstliches Wissen aus Erfahrung generiert. Im ersten Teil werden statistische Methoden, um zwei oder mehrere Gruppen miteinander zu vergleichen, und der Umgang mit einem statistischen Programm vermittelt sowie eine Einführung in die Versuchsplanung gegeben. Im zweiten Teil werden zunächst die Anwendungsgebiete, Kategorien und Konzepte des Machine Learnings vorgestellt, bevor mit dem Reinforcement Learning eine der drei Haupttechniken des maschinellen Lernens gezeigt wird, in der Software durch den direkten Austausch mit ihrer Umwelt in Form von Versuch und Irrtum trainiert wird, optimale Ergebnisse zu erzielen. Statistik und Datenanalyse Statistische Grundlagen Künstliche Intelligenz (KI) im Arbeitsprozess Methoden zum Vergleich von zwei Gruppen Grundlagen der Regressionsanalyse Methoden zum Mittelwertvergleich von mehreren Gruppen Einführung in die Versuchsplanung (DoE, Design of Experiments) Projektarbeit Statistik Machine Learning Einführung in Machine Learning und ML-Workflow: Moderne KI- und Machine-Learning-Verfahren, Machine-Learning-Worfklow, scikit-learn Datenaufbereitung und Feature Engineering: Datenqualität, Datenvorverarbeitung, Skalierung, Kodierung, Feature Selection Überwachtes Lernen - Regression und Klassifikation: Ensemble-Verfahren, Boosting-Verfahren, Evaluationsmetriken, Feature Importance, Explainable AI Unüberwachtes Lernen: Clusterverfahren, Anomalieerkennung Zeitreihenanalyse und Prognosen: Grundlagen, Analyse, Prognoseverfahren Neuronale Netze und moderne KI: Grundlagen Deep Learning, Natural Language Processing, Foundation Models, Large Language Models, generative KI Bereitstellung von ML-Modellen: Speicherung und Bereitstellung, Entwicklung einfacher ML-Anwendungen, Schnittstellen und Plattformen Projektarbeit Machine Learning Reinforcement Learning Machine Learning: Reinforcement Learning Markov Decision Processes (MDPs) Q-Learning Deep Reinforcement Learning Fortgeschrittene Themen Praktische Anwendungen Zusammenfassung und Ausblick Projektarbeit Reinforcement Learning Änderungen möglich, die Lehrgangsinhalte werden regelmäßig aktualisiert.

Nächste Termine

• 2026-11-15T23:00:00.000Z · 2027-02-11T23:00:00.000Z · Aachen · Combined Learning
• 2026-11-15T23:00:00.000Z · 2027-02-11T23:00:00.000Z · Augsburg, Bayern · Combined Learning
• 2026-11-15T23:00:00.000Z · 2027-02-11T23:00:00.000Z · Berlin · Combined Learning
• 2026-11-15T23:00:00.000Z · 2027-02-11T23:00:00.000Z · Berlin · Combined Learning
• 2026-11-15T23:00:00.000Z · 2027-02-11T23:00:00.000Z · Bochum · Combined Learning

Weitere Kurse in diesem Fachbereich

• Data Analyst mit Cloud

  Smart Future Campus GmbH

• KI- und Kulturmanager/in

  LVQ Weiterbildung und Beratung GmbH

• Künstliche Intelligenz: KI-Berater:in - KI-Beauftragte:r und KI-Manager:in

  alfatraining Bildungszentrum GmbH

• Python mit SQL

  alfatraining Bildungszentrum GmbH