Zur Startseite wechseln
0,00 €

Grundlagen des maschinellen Lernens

Programmierung Python Weiterbildung im Modulstudium
© Leuphana/Patrizia Jäger

1.740,00 €

Teilnahme Erläuterung der Teilnahmemöglichkeiten
Veranstaltungszeitraum
Zertifikatsstudium

Im Zertifikatsstudium belegen Sie Module im Umfang von mindestens 15 Credit Points, Sie sind an der Leuphana Universität Lüneburg als Student*in eingeschrieben, können auf sämtliche Ressourcen der Hochschule zurückgreifen, legen Prüfungen ab und Sie erhalten als Abschluss das Hochschulzertifikat "PS Individuale".

Weitere Informationen zum Zertifikatsstudium

Zertifikatsteilnahme

Bei der Zertifikatsteilnahme nehmen Sie an Modulen im Umfang von mindestens 15 Credit Points teil. Sie legen keine Prüfungen ab und erhalten zum Abschluss eine Bescheinigung. Sie sind kein eingeschriebene/r Student/in. Somit entfallen die Semestergebühren.

Weitere Informationen zur Zertifikatsteilnahme

Modulstudium

Das Modulstudium schließen Sie mit einer Prüfung ab und erhalten die angegeben Credit Points. Diese können Sie sich auf ein Bachelor- oder Masterstudium anrechnen lassen. Das Modulstudium ist interessant für Sie, wenn Sie nur ein einzelnes oder mehrere Module buchen möchten. Zum Abschluss erhalten Sie eine Bescheinigung mit einer ausführlichen Aufstellung Ihrer erbrachten Leistungen.

Weitere Informationen zum Modulstudium

Modulteilnahme

Die Modulteilnahme erfolgt OHNE Prüfung. Sie erhalten keine Credit Points. Credit Points sind dann wichtig, wenn Sie diese für ein Bachelor- oder Masterstudium anrechnen lassen wollen. Sie erhalten zum Abschluss des Moduls eine Teilnahmebescheinigung.

Weitere Informationen zur Modulteilnahme

Aktuell 10 Plätze verfügbar
Lehrveranstaltungen dieses Moduls
F2 Grundlagen des maschinellen Lernens
Termine In Planung *
* Die Veranstaltung findet im Zeitraum 01.10.2027 bis 30.03.2028 statt. Die genauen Termine werden in Kürze bekanntgegeben.
Modulinformationen "Grundlagen des maschinellen Lernens"

Einführung in das Maschinelle Lernen

Wollen Sie lernen, wie Sie aus Daten wertvolle Vorhersagen ableiten können? Dieses Modul vermittelt Ihnen die grundlegenden Konzepte und Methoden des maschinellen Lernens. Sie erwerben die Fähigkeit, geeignete Modelle für Ihre Fragestellungen auszuwählen, zu implementieren, zu trainieren und ihre Ergebnisse kritisch zu bewerten.

Was erwartet Sie?
  • Entscheidungsbäume, Merkmalsvektoren, Modelle, Empirische Risikominimierung, Verlustfunktionen, Klassifikation, Regression, (stochastic) Gradient-Descent, alternative Optimierungsstrategien, Regularisierung, Support-Vector-Machines, Kernel, Clusterings, Mixture-Models, Evaluationsmetriken und Experimentalaufbau
Ihr Nutzen: Dieses Modul befähigt Sie, datenbasierte Entscheidungen zu treffen und Vorhersagemodelle zu entwickeln, die in zahlreichen Bereichen Anwendung finden. Sie werden in der Lage sein, komplexe Probleme zu analysieren, geeignete Lösungen zu finden und Ihre Ergebnisse verständlich zu präsentieren.

Ablauf & Organisation: Das Modul umfasst 3 Veranstaltungstermine (jeweils Freitag und Samstag). Die erste Session findet in Präsenz in Lüneburg statt, die anderen beiden Termine werden in Live-Online-Sessions via Zoom durchgeführt.

Ist zugangsbeschränkt: Ja
Voraussetzung - Hochschulzugangsberechtigung: Nicht erforderlich
Voraussetzung einjährige Berufserfahrung: Nicht erforderlich
Voraussetzungen - Sprache: keine
Voraussetzungen - Fachkenntnisse: keine
Weitere Voraussetzungen

Verpflichtend:

  • Erster qualifizierender Hochschulabschluss (Bachelor oder gleichwertig)
Empfehlung:

  • Grundlegende mathematische Kenntnisse in linearer Algebra (Skalare, Vektoren, Matrizen, etc.) und Analysis (Gradienten, etc.)
  • Beherrschen einer Programmiersprache (z.B. Python)
  • Englischkenntnisse auf B2 Niveau (teilw. englischsprachiges Lehrmaterial)
Themenfeld: IT & Digitalisierung
Veranstaltungsformat: (Vor-Ort-)Präsenz und Online
Niveau: Master
Lehrsprache: deutsch
Studiengang
Anzahl der CP / ECTS: 5
Workload - Kontaktzeit (in Stunden): 35
Workload - Angeleitete Selbstlernzeit (in Stunden): 90
Prüfung: kursübergreifende Prüfung (Modulprüfung)
Prüfungsformat: Hausarbeit
weiteres Prüfungsformat: keine weitere Prüfung
Qualifikationsziele

  • Systematischen Überblick über die grundlegenden Methoden und Anwendungsmöglichkeiten des maschinellen Lernens aneignen
  • Probleme aus dem Bereich des maschinellen Lernens analysieren und formalisieren
  • Geeignete Verfahren zum Lernen aus Daten auswählen und bewerten
  • Für gegebene Aufgabenstellungen maschinelle Lernalgorithmen selbstständig konzipieren, implementieren und deren Ergebnisse evaluieren