Maschinelles Lernen bildet die Grundlage moderner Künstlicher Intelligenz und revolutioniert zahlreiche Branchen. Dieser Kurs bietet eine praxisnahe Einführung für Technikerinnen und Techniker mit nicht-akademischem Hintergrund, bei der Sie die Grundlagen des maschinellen Lernens kennenlernen. Der Fokus liegt auf einem ausgewogenen Verhältnis von Theorie und Praxis.
Dieser Kurs ist neu. Die folgenden Inhalte und Informationen gelten zunächst vorbehaltlich der Zustimmung der Hochschulgremien.
Worum geht es im Hochschulzertifikat KI-tech?
Ziel des Kurses ist es, ein Verständnis für grundlegende Konzepte des maschinellen Lernens zu erhalten. Sie erwerben die Fähigkeit, einfache Machine Learning-Projekte von der Idee bis zur Auswertung umzusetzen. Außerdem kennen sie zentrale Algorithmen, wie lineare Regression, logistische Regression und neuronale Netze und können diese anwenden.
- Einführung in die grundlegenden Begriffe und Konzepte
- Theoretische Grundlagen des maschinellen Lernens
- Struktur und Durchführung von Projekten im maschinellen Lernen
- Praktische Anwendung der theoretischen Konzepte
- Bonus: Grundlegende Einblicke in die Funktionsweise von Large Language Models wie ChatGPT
Am Ende des Kurses sind Sie in der Lage, grundlegende Machine Learning-Techniken selbstständig anzuwenden und ihre Ergebnisse kritisch zu bewerten. Mit diesem Wissen sind Sie bestens vorbereitet, um sich tiefer in das spannende Feld der Künstlichen Intelligenz einzuarbeiten oder erste praktische Projekte umzusetzen.
Wie ist der Zertifikatskurs aufgebaut?
Dieser Kurs besteht aus zwei Microcredentials, d. h. zwei abgeschlossenen kleinen Einheiten.
Microcredential 1
1. Einführung in das maschinelle Lernen
2. Zentrale Algorithmen und Konzepte des maschinellen Lernens
- Regressions- und Klassifikationsprobleme
- Lineare Regression, Logistische Regression und Neuronale Netze
- Training: Theoretische Grundlagen
Microcredential 2
3. Praktische Machine Learning-Projekte von Anfang bis Ende
- Datensammlung, Datenaufbereitung und Preprocessing
- Modelltraining, Evaluation und Optimierung
- Konkrete Anwendung der Algorithmen auf reale Datensätze
- Analyse und Interpretation der Ergebnisse
Bonus: Grundlegende Einblicke in die Funktionsweise von Large Language Models (z. B. ChatGPT)
Standort
Der Kurs findet in Präsenz in Räumlichkeiten der OTH Regensburg statt.
Zulassungsvoraussetzungen
- Bereitschaft und Interesse, sich mit mathematischen Themen auseinanderzusetzen
- Programmierkenntnisse werden nicht vorausgesetzt
Zielgruppe
Technikerinnen und Techniker mit nicht-akademischem Hintergrund aus dem Berufsalltag mit dem Wunsch, sich in Zukunftsthemen fortzubilden
Anschluss und Zertifizierung
Für jedes Microcredential ist die Vergabe einer Bestätigung mit den jeweils erworbenen ECTS-Punkten geplant.
Bei erfolgreichem Abschluss beider Microcredentials ist die Vergabe eines Hochschulzertifikats mit Bestätigung der insgesamt erworbenen 5 ECTS-Punkten vorgesehen.