Python: Maschinelles Lernen, Optimierung und Anwendungen (7. Auflage)

Voranmeldefrist: Bis zum 20. September 2023.

Anmeldezeitraum: Vom 1. bis 20. September 2023

Kursbeginn: 16. Oktober 2023

Kursende: 20. Dezember 2023

Credits: 10 ECTS

Preis: 520 € (inkl. Steuern)

Weitere Informationen:
https://cfp.us.es/cursos/fc/python-machine-learning-optimizacion-y-aplicaciones/4630/ storal@us.es , d.gutierrez.reina@gmail.com

Der Weiterbildungskurs „Python: Maschinelles Lernen, Optimierung und Anwendungen“ (7. 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 mit Anwendungen in den Bereichen Regression, Klassifikation 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 im Bereich maschinelles Lernen und Optimierung geleitet, die ihr umfassendes Wissen und ihre Erfahrung mit den Studierenden teilen. Er richtet sich an technologiebegeisterte Studierende, die die Möglichkeiten des maschinellen Lernens und der Optimierung voll ausschöpfen möchten. Die im Kurs erworbenen Kenntnisse sind in der Branche hoch angesehen und eröffnen vielfältige Karrierechancen.
Die Auswahl der Studierenden erfolgt nach Eingang der Voranmeldung. Ein Hochschulabschluss ist für die Teilnahme nicht erforderlich.