Python-Kurs: Maschinelles Lernen, Optimierung und Anwendungen (7. Auflage)
Python-Kurs: Maschinelles Lernen, Optimierung und Anwendungen (7. Auflage)
Voranmeldefrist: Bis zum 20. Oktober 2024
Anmeldezeitraum: Vom 1. bis 20. Oktober 2024
Kursbeginn: 20. November 2024
Kursende: 30. Januar 2025
Credits: 10 ECTS
Preis: 560 € (inkl. Steuern)
Weitere Informationen: https://cfp.us.es/cursos/fc/python-machine-learning-optimizacion-y-aplicaciones/4724/ storal@us.es , d.gutierrez.reina@gmail.com
Der Weiterbildungskurs „Python: Maschinelles Lernen, Optimierung und Anwendungen“ (8. Auflage) mit 10 ECTS-Punkten wird vom Weiterbildungszentrum der Universität Sevilla angeboten und ist sowohl in Präsenz als auch online verfügbar. Die Kurse werden live übertragen und aufgezeichnet und stehen den Studierenden über die virtuelle Lernplattform der Universität Sevilla zur Verfügung.
Dieser Kurs bietet einen umfassenden Überblick über die Programmierung von Machine-Learning-/Deep-Learning-Algorithmen und deren Optimierung mit der Programmiersprache Python. Der Kurs ist in fünf Module unterteilt:
Modul 1 behandelt die Grundlagen der Python-Programmierung sowie die Module numpy, matplotlib, pandas und scipy. Grundlegende Programmierkenntnisse genügen; Vorkenntnisse in Python sind nicht erforderlich, da dieses Modul bei Null beginnt.
In Modul 2 erlernen die Studierenden die Grundlagen von Machine-Learning-Verfahren und deren Anwendung auf Regressionen, Klassifikatoren und Clustering. Die Kurse umfassen theoretische Erläuterungen und praktische Anwendungsskripte in Python unter Verwendung der scikit-learn-Bibliothek.
Modul 3 behandelt verschiedene metaheuristische Optimierungsverfahren mithilfe des DEAP-Moduls von Python: lokale Suchverfahren basierend auf Pfaden und globale Suchverfahren basierend auf Populationen. Es enthält außerdem einen Abschnitt über Reinforcement Learning mit der Gym-Bibliothek von Python.
In Modul 4 erlernen die Studierenden die Grundlagen des Deep Learning mit Keras und TensorFlow sowie deren Anwendung zur Lösung realer Probleme. Verschiedene Architekturen neuronaler Netze, wie z. B. dichte Netze, Faltungsnetze, rekurrente Netze und Deep Reinforcement Learning, werden sowohl theoretisch als auch praktisch untersucht.
Modul 5 widmet sich der Anwendung. In fünf Sitzungen und in abgeschlossenen Kursen werden mehrere Experten aus Wissenschaft und Industrie Anwendungsbeispiele aus den vorherigen Modulen demonstrieren.
Der Kurs wird von Experten auf dem Gebiet des maschinellen Lernens und der Optimierung geleitet, die ihr umfassendes Wissen und ihre Erfahrung mit den Studierenden teilen werden, und richtet sich an
Studierende mit Begeisterung für Technologie, die die Möglichkeiten des maschinellen Lernens und der Optimierung optimal nutzen möchten, profitieren von diesem Kurs. Die erworbenen Kenntnisse sind in der Branche hoch angesehen und eröffnen vielfältige Karrierechancen.
Die Auswahl der Studierenden erfolgt nach dem Eingangsdatum der Voranmeldung. Ein Hochschulabschluss ist für die Teilnahme am Kurs nicht erforderlich.
Voranmeldefrist: Bis zum 20. Oktober 2024
Anmeldezeitraum: Vom 1. bis 20. Oktober 2024
Kursbeginn: 20. November 2024
Kursende: 30. Januar 2025
Credits: 10 ECTS
Preis: 560 € (inkl. Steuern)
Weitere Informationen: https://cfp.us.es/cursos/fc/python-machine-learning-optimizacion-y-aplicaciones/4724/ storal@us.es , d.gutierrez.reina@gmail.com
Der Weiterbildungskurs „Python: Maschinelles Lernen, Optimierung und Anwendungen“ (8. Auflage) mit 10 ECTS-Punkten wird vom Weiterbildungszentrum der Universität Sevilla angeboten und ist sowohl in Präsenz als auch online verfügbar. Die Kurse werden live übertragen und aufgezeichnet und stehen den Studierenden über die virtuelle Lernplattform der Universität Sevilla zur Verfügung.
Dieser Kurs bietet einen umfassenden Überblick über die Programmierung von Machine-Learning-/Deep-Learning-Algorithmen und deren Optimierung mit der Programmiersprache Python. Der Kurs ist in fünf Module unterteilt:
Modul 1 behandelt die Grundlagen der Python-Programmierung sowie die Module numpy, matplotlib, pandas und scipy. Grundlegende Programmierkenntnisse genügen; Vorkenntnisse in Python sind nicht erforderlich, da dieses Modul bei Null beginnt.
In Modul 2 erlernen die Studierenden die Grundlagen von Machine-Learning-Verfahren und deren Anwendung auf Regressionen, Klassifikatoren und Clustering. Die Kurse umfassen theoretische Erläuterungen und praktische Anwendungsskripte in Python unter Verwendung der scikit-learn-Bibliothek.
Modul 3 behandelt verschiedene metaheuristische Optimierungsverfahren mithilfe des DEAP-Moduls von Python: lokale Suchverfahren basierend auf Pfaden und globale Suchverfahren basierend auf Populationen. Es enthält außerdem einen Abschnitt über Reinforcement Learning mit der Gym-Bibliothek von Python.
In Modul 4 erlernen die Studierenden die Grundlagen des Deep Learning mit Keras und TensorFlow sowie deren Anwendung zur Lösung realer Probleme. Verschiedene Architekturen neuronaler Netze, wie z. B. dichte Netze, Faltungsnetze, rekurrente Netze und Deep Reinforcement Learning, werden sowohl theoretisch als auch praktisch untersucht.
Modul 5 widmet sich der Anwendung. In fünf Sitzungen und in abgeschlossenen Kursen werden mehrere Experten aus Wissenschaft und Industrie Anwendungsbeispiele aus den vorherigen Modulen demonstrieren.
Der Kurs wird von Experten auf dem Gebiet des maschinellen Lernens und der Optimierung geleitet, die ihr umfassendes Wissen und ihre Erfahrung mit den Studierenden teilen werden, und richtet sich an
Studierende mit Begeisterung für Technologie, die die Möglichkeiten des maschinellen Lernens und der Optimierung optimal nutzen möchten, profitieren von diesem Kurs. Die erworbenen Kenntnisse sind in der Branche hoch angesehen und eröffnen vielfältige Karrierechancen.
Die Auswahl der Studierenden erfolgt nach dem Eingangsdatum der Voranmeldung. Ein Hochschulabschluss ist für die Teilnahme am Kurs nicht erforderlich.
