Kurs
digicode: H36105
Master Class Machine Learning Engineer
Kurs-Facts
Als PDF herunterladen- Entwickeln eines tiefen Verständnisses für Datenverarbeitung, Algorithmen und Datenmodelle und Etablieren als Expert/in für komplexe Datenanalysen
- Lernen des Aufbaus, der Überwachung und des Managements von Machine-Learning-Pipelines und sicheres Anwenden der relevanten Werkzeuge und Infrastrukturen
- Kombinieren von Business- und Datenverständnis mit IT-Kompetenz und Wissen aus der Softwareentwicklung, um KI-Projekte erfolgreich umzusetzen
- Qualifizieren für ein gefragtes Kompetenzfeld und Positionieren als Treiber/in der digitalen Transformation im Unternehmen
Die Master Class besteht aus den folgenden vier aufeinander aufbauenden Kursen sowie einer Prüfung:
1 Machine Learning und Data Mining: Konzepte, Modelle, Lernverfahren
- Machine Learning und Data Mining
- Data Understanding und Data Preparation
- Modellierung und Evaluation
- Ein Ausblick auf Deep Learning in Neuronalen Netzen
2 Deep Learning und Neuronale Netze mit Python, Pandas, Keras und TensorFlow
- Einführung in das Deep Learning
- Datenvorbereitung und Feature Extraction
- Spezialisierte neuronale Netze
- Modelle deployen und Transfer-Learning
3 Natural Language Processing und generative Modelle mit Python und Transformern
- Python-Techniken für das Text Processing
- Einführung in Natural Language Processing (NLP)
- Textklassifikation und Textanalyse
- Topic Modelling und Long Short-Term Memory
- Transformer und Attention
- Transfer Learning und Finetuning mit Hugging Face
- Praxisprojekt: Trainieren eines eigenen Chatbots
4 KI-Systeme mit eigenen Daten: Retrieval-Augmented Generation (RAG) mit LLM
- Einführung und Grundlagen
- Grundlagen von Retrieval-Augmented Generation
- Chunking und Embeddings in der Praxis
- Retrieval, Reranking und Generierung
- Evaluation und Optimierung
- Produktivsetzung und MLOps
- Monitoring und Drift
5 Prüfung: Master Class Machine Learning Engineer
- E-Prüfung
- Praxisprüfung
Besteht aus folgenden Modulen
- Machine Learning und Data Mining: Konzepte, Modelle, Lernverfahren
- Deep Learning und Neuronale Netze mit Python, Pandas, Keras und TensorFlow
- Natural Language Processing und generative Modelle mit Python und Transformern
- KI-Systeme mit eigenen Daten: Retrieval-Augmented Generation (RAG) mit LLM
- E-Prüfung: Master Class Machine Learning Engineer
Deine Weiterbildung ist als abwechslungsreiche, berufsbegleitende Lernreise gestaltet. Live-Trainings mit erfahrenen Expertinnen und Experten werden mit digitalen Selbstlernmodulen, praxisnahen Übungen und dem Austausch in der Lerncommunity kombiniert. So kannst du neues Wissen flexibel aufbauen, gemeinsam mit anderen vertiefen und direkt auf konkrete Fragestellungen aus deinem Berufsalltag übertragen. Praxis-Coachings unterstützen dich dabei, das Gelernte nachhaltig in deinem Unternehmen anzuwenden. Deine Lernreise beträgt ca. drei Monate.
Du hast einen technischen oder analytischen Hintergrund und willst Machine Learning gezielt lernen? Hier baust du die Kompetenzen vom Datenmodell bis zur produktiven Anwendung auf. Wenn du schon mal ein Skript geschrieben, mit Packages gearbeitet oder erste Programmiergrundlagen hast, fällt dir der Einstieg noch leichter.
Diese Weiterbildung passt zu dir, wenn du:
- erste Berührungspunkte im Umgang mit Daten und Code gesammelt hast
- dich als Data Professional, etwa BI-Analyst, Data Analyst oder Data Engineer, in Richtung ML orientieren möchtest
- als Softwareentwickler/in KI-Projekte technisch umsetzen möchtest
- einen MINT-Hintergrund hast und dich beruflich im ML-Bereich positionieren willst
- technisch interessiert bist und Lust auf die Arbeit mit Daten mitbringst
Du bringst Interesse an Daten und technischen Fragestellungen mit. Erste Erfahrungen im Umgang mit Daten oder Code sind hilfreich. Wenn du bereits ein Skript geschrieben, mit Packages gearbeitet oder grundlegende Programmierkenntnisse erworben hast, fällt dir der Einstieg leichter. Vertiefte Kenntnisse in Machine Learning werden nicht vorausgesetzt.
Für diese Prüfung ist keine Terminauswahl nötig. Du kannst die Prüfung zu einem Zeitpunkt deiner Wahl in deiner Lernumgebung absolvieren. Sie besteht aus zwei Teilen:
E-Prüfung: 20 Multiple-Choice-Fragen zu den Inhalten aus den vier Kursen der Master Class.
Praxisprüfung: Ausarbeitung eines ML-Anwendungsfalls mit einem vorgegebenen Datensatz. Je nach Vorarbeit in den vier Kursen der Master Class sind ca. 3-4 Stunden Zeitaufwand einzuplanen.
Buche mindestens 14 Tage vor dem Seminar, damit du mögliche Unterlagen rechtzeitig per Post erhältst.