Machine Learning
Von der Datenaufbereitung zum digitalen Zwilling

Hochschule Niederrhein. Dein Weg.
Über den ONLINE-Zertifikatskurs

Machine Learning unterstützt den Menschen dabei, effizienter, schneller und kreativer zu arbeiten. In den letzten zehn Jahren hat uns das maschinelle Lernen unter anderem selbstfahrende Autos, Sprach- und Bilderkennung, effektive Websuche und ein wesentlich besseres Verständnis des menschlichen Genoms ermöglicht.
Machine Learning kann überall dort angewendet werden, wo Muster in Daten vorhanden sind. Mit Hilfe von selbstlernenden Algorithmen werden Muster und Gesetzmäßigkeiten erkannt und eigenständig Lösungen für neue und bekannte Probleme gefunden. Damit lassen sich z.B. datenbasierte Optimierungen in der Produkt- und Prozessentwicklung durchführen oder Kundenverhalten vorhersagen.
In diesem ONLINE-Kurs lernen Sie die effektivsten Techniken des maschinellen Lernens kennen und erfahren, wie Sie sie umsetzen. Sie lernen nicht nur die theoretischen Grundlagen, sondern auch das praktische Know-how, um diese Techniken schnell und effektiv auf neue Probleme anzuwenden.

Ziele der Weiterbildung

Mit erfolgreichem Abschluss des ONLINE-Kurses werden Sie in der Lage sein:

  • Die Grundlagen der Programmiersprache Python zu beherrschen.
  • Daten so aufzubereiten, dass sie sich mithilfe von Machine Learning auswerten lassen. Dazu gehört: fehlende Daten zu ersetzen, Daten zu transformieren, Ausreißer zu erkennen sowie Daten effektiv zu reduzieren.
  • Vorhersagemodelle zu generieren für kontinuierliche (Regression) sowie diskrete (Klassifikation) als auch zeitlich abhängige Zielgrößen.
  • Die Genauigkeit des Vorhersagemodells zu bewerten und zu verbessern.
  • Komplexe Optimierungsfragestellungen auf den Vorhersagemodellen höchsteffizient zu lösen.
  • Die wichtigsten Einflussparameter auf unternehmerische Zielgrößen zu identifizieren.
Vorteile
  • Vermittlung der Grundlagen bzw. einer grundsätzlichen Intuition für die Möglichkeiten des Machine Learnings als Voraussetzung für einen gewinnbringenden Einsatz im Unternehmen.
  • Praxisrelevanz und berufliche Verwertbarkeit der vermittelten Inhalte.
  • Maximaler Erkenntnisgewinn aus Ihren Daten.
  • Potenzielle Ressourceneinsparung (Material, Zeit, Kapazitäten, etc.).
  • Einfache Adaption des Lehrmaterials für neue, eigene Aufgabenstellungen.
  • Individuelle Betreuung und intensiver Austausch in Kleingruppen.
Zielgruppe

Der Kurs richtet sich vor allem an Beschäftigte aus Produktmanagement und Entwicklungsingenieurwesen in den Bereichen Technik, Forschung und Entwicklung aus der Luft- und Raumfahrt, Maschinenbauinformatik, Produktion und Logistik, Verfahrenstechnik, Verarbeitungstechnik, Energietechnik, Fahrzeugtechnik, die schnell und effizient Daten analysieren und Prognosemodelle erstellen wollen, um z.B. kostengünstig Produkte und Prozesse zu optimieren.

Lehr- und Lehrform

Der in einem interaktiven Seminarcharakter gehaltene ONLINE-Kurs bietet die Möglichkeit, auf individuelle Frage- und Problemstellungen der Teilnehmenden einzugehen. Vielfältiger Medieneinsatz, Kleingruppenarbeiten, praktisches Arbeiten am Rechner und die Begleitung durch eine Online-Lernplattform unterstützen den Lernerfolg.

Der in einem interaktiven Seminarcharakter gehaltene Zertifikatskurs ist in ONLINE-Präsenzen und Selbstlernphasen eingeteilt. Es zeichnet sich durch einen Mix von kurzen Impuls-Vorträgen, Übungen, Kleingruppenarbeiten, Diskussion und Fallbeispielen aus. Online-Materialien unterstützen die Selbstlernphase. Durch die begrenzte Teilnehmendenzahl kann auch auf individuelle Problem- und Fragestellungen eingegangen werden.

Das Curriculum und weitere Informationen finden Sie im Flyer und im Downloadbereich.

I Einführung & Programmieren

Einführung in Machine Learning
Was ist Machine Learning?
Voraussetzungen, Anwendungsgebiete , Nutzen und Herausforderungen
Grundlagen der Programmiersprache Python
Einrichten einer Entwicklungsumgebung; Benutzung des Editors; Import von Modulen, Einlesen von Dateien, Schleifen, Funktionen, Indexierung von Vektoren und Matrize .

Grundlagen der Programmiersprache Python, Umsetzung erster Skripte.

II Machine Learning

Datenaufbereitung
Fehlende Daten ersetzen, Ausreißerselektion, Datentransformation, Umwandlung von nicht numerischen Daten.
Lern-/Datentypen
Überwachtes, unüberwachtes, bestärkendes Lernen, Numerische, Text-/Bilddaten, Sequentiell abhängige Daten .
Übersicht einfache Verfahren
Lineare/multivariate Regression, Logistische Regression zur Klassifizierung .
Aufbereitung von Daten, Anwendung von multivariater und logistischer Regression
Neuronale Netze
Geschichte, Aufbau, Training und Vorhersage, Regularisierung, Rekurrente neuronale Netze für sequentielle Größen .
Einführung in probabilistische Modelle
Verteilungsfunktionen und Likelihood-Estimation Konfidenzintervalle, Gaußprozesse .
Validierung von Ersatzmodellen
Übersicht Fehlermaße, Kreuz-Validierung, Konfusionsmatrix, Konfidenzbereiche
Anwendung von neuronalen Netzen und Gaußprozessen für verschiedene Fragestellungen

III Sensitivitätsanalyse & Optimierung

Sensitivitätsanalyse
Nutzen einer Sensitivitätsanalyse, Arten von Korrelationen, Korrelationseffizienten, Sobol Indizes, gradientenbasierte Sensitivitäten
Optimierung
Einordnung v. Optimierungsproblemen, Übersicht Optimierungsverfahren, Vor-/ Nachteile, Bayesian Optimization.
Analyse von Sensitivitäten, Lösung von Optimierungsproblemen anhand von Beispielen

IV Weiterführende Themen

Weiterführende Themen
Bilderkennung, Objekterkennung, Spracherkennung.

VI Prüfung

Prüfung und Abschlussdiskussion

  • Termine: Sechs Präsenztermine auf Anfrage unter weiterbildung(at)hsnr.de
  • Max. Teilnehmendenzahl: 12 Personen
  • Ort: Campus Krefeld Süd
  • Teilnahmeentgelt: 1.590 € | Alumni (5 % Rabatt) 1.510 €
  • Teilnahmevoraussetzungen: Hochschulstudium mit einjähriger Berufserfahrung oder Berufsausbildung und mindestens dreijährige Berufserfahrung. Vorkenntnisse in Python sind von Vorteil, aber nicht zwingend erforderlich. Sie benötigen einen internetfähigen PC oder ein internetfähiges Notebook für Zoom als Videokonferenzdienst sowie ggf. ein Headset. Zwingend erforderlich ist die Möglichkeit, Programme zu installieren und auszuführen. 
  • Umfang (Workload): 75 h, davon 40 h Präsenz, 3 ECTS
  • Abschluss: Hochschulzertifikat / Teilnahmebescheinigung .
    Die Teilnehmenden erhalten eine Teilnahmebescheinigung, wenn mindestens 75% des Kurses besucht werden. Ein Zertifikat der Hochschule Niederrhein wird mit bestandener Prüfungsleistung vergeben.

Drei Fragen an Ihren Dozenten, Dr. Kevin Cremanns:

Warum ist eine Weiterbildung in „Machine Learning“ aktuell für viele Berufstätige interessant?
"
Überall dort wo Daten gesammelt werden, ist das maschinelle Lernen ein sehr hilfreiches Werkzeug Muster automatisch zu erkennen und Vorhersagen zu treffen. Zudem erlaubt es auf den abgeleiteten mathematischen Modellen sehr effizient Optimierung und weitere sonst zu teure Analysen durchzuführen."

Worauf freuen Sie sich bei dieser Weiterbildung ganz besonders?
"Mit den Teilnehmenden Ideen zu entwickeln, wie und wo auch in deren Unternehmen das maschinelle Lernen sinnvoll und gewinnbringend eingesetzt werden kann."

Und worauf dürfen sich die Teilnehmenden freuen?
"
Auf eine spannende und abwechslungsreiche Weiterbildung mit vielen praxisrelevanten Beispielen, die die Teilnehmenden in die Lage versetzen soll, möglichst schnell selbstständig neue Problemstellungen mit Hilfe des maschinellen Lernens anzugehen."

Ihr Dozent

Dr.-Ing. Kevin Cremanns
Co-Founder & Research and Development Officer PI Probaligence GmH

    Modulverantwortlicher

    Prof. Dr. Dirk Roos
    Computersimulation und Design Optimization Fachbereich Maschinenbau und Verfahrenstechnik Hochschule Niederrhein

      Ihre Ansprechpartnerin:

      Ulrike Schoppmeyer
      Zentrum für Weiterbildung Teilnehmendenmanagement | Akquise