Python-Kurs: Maschinelles Lernen, Optimierung und Anwendungen (VII-Ausgabe)

Voranmeldezeitraum: Bis 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)

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: Machine Learning, Optimization and Applications (VIII Edition)“ im Wert von 10 ECTS-Credits, der persönlich/online absolviert werden kann, wird vom Permanent Training Center der Universität Sevilla angeboten. Die Kurse werden synchron übertragen und aufgezeichnet und stehen den Studierenden über die virtuelle Lehrplattform der Universität Sevilla zur Verfügung.

Dieser Kurs bietet einen vollständigen Überblick über die Programmierung von Machine-/Deep-Learning-Algorithmen und die Optimierung mithilfe der Programmiersprache Python. Hierzu ist der Studiengang in fünf Module gegliedert:

· Modul 1 behandelt die Grundlagen der Programmierung in Python und die Module Numpy, Matplotlib, Pandas und Scipy. Als Voraussetzung benötigen Sie lediglich grundlegende Programmierkenntnisse, nicht unbedingt in Python, wo Sie bei Null anfangen.

· In Modul 2 erlernen die Studierenden die Grundlagen maschineller Lerntechniken mit Anwendung auf Regressionen, Klassifikatoren und Clustering. Die Kurse umfassen theoretische Erklärungen und Anwendungsskripte in Python unter Verwendung der scikit-learn-Bibliothek.

· Modul 3 umfasst verschiedene metaheuristische Optimierungsmethoden unter Verwendung des Python-DEAP-Moduls: flugbahnbasierte lokale Suchmethoden und bevölkerungsbasierte globale Suchmethoden. Ein Abschnitt zum verstärkenden Lernen mithilfe der Python Gym-Bibliothek ist ebenfalls enthalten.

· In Modul 4 lernen die Studierenden die Grundlagen des Deep Learning in Keras und Tensorflow kennen und erfahren, wie sie diese Techniken zur Lösung realer Probleme anwenden können. Eine Vielzahl neuronaler Netzwerkarchitekturen wie dichte Netzwerke, Faltungsnetzwerke, wiederkehrende Netzwerke und tiefes Reinforcement Learning werden aus theoretischer und praktischer Sicht untersucht.

· Modul 5 ist den Anwendungen gewidmet. In fünf Sitzungen und in eigenständigen Kursen zeigen verschiedene Fachleute aus Wissenschaft und Industrie Anwendungsbeispiele der vorherigen Module.

Der Kurs wird von Experten auf dem Gebiet des maschinellen Lernens und der Optimierung geleitet, die ihr umfangreiches Wissen und ihre Erfahrungen mit den Studierenden teilen, und richtet sich an

Studenten, die sich für Technologie begeistern und die Möglichkeiten des maschinellen Lernens und der Optimierung optimal nutzen möchten. Die in diesem Studiengang erworbenen Fähigkeiten genießen in der Branche einen hohen Stellenwert und können Türen zu vielfältigen Karrieremöglichkeiten öffnen.

Auswahlkriterien für Studierende nach Voranmeldungsauftrag. Für den Zugang zum Kurs ist kein Universitätsabschluss erforderlich.

Voranmeldezeitraum: Bis 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)

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: Machine Learning, Optimization and Applications (VIII Edition)“ im Wert von 10 ECTS-Credits, der persönlich/online absolviert werden kann, wird vom Permanent Training Center der Universität Sevilla angeboten. Die Kurse werden synchron übertragen und aufgezeichnet und stehen den Studierenden über die virtuelle Lehrplattform der Universität Sevilla zur Verfügung.

Dieser Kurs bietet einen vollständigen Überblick über die Programmierung von Machine-/Deep-Learning-Algorithmen und die Optimierung mithilfe der Programmiersprache Python. Hierzu ist der Studiengang in fünf Module gegliedert:

· Modul 1 behandelt die Grundlagen der Python-Programmierung sowie die Module Numpy, Matplotlib, Pandas und Scipy. Als Voraussetzung benötigen Sie lediglich grundlegende Programmierkenntnisse, nicht unbedingt in Python, wo Sie bei Null anfangen.

· In Modul 2 erlernen die Studierenden die Grundlagen maschineller Lerntechniken mit Anwendung auf Regressionen, Klassifikatoren und Clustering. Die Kurse umfassen theoretische Erklärungen und Anwendungsskripte in Python unter Verwendung der scikit-learn-Bibliothek.

· Modul 3 umfasst verschiedene metaheuristische Optimierungsmethoden unter Verwendung des Python-DEAP-Moduls: flugbahnbasierte lokale Suchmethoden und bevölkerungsbasierte globale Suchmethoden. Ein Abschnitt zum verstärkenden Lernen mithilfe der Python Gym-Bibliothek ist ebenfalls enthalten.

· In Modul 4 lernen die Studierenden die Grundlagen des Deep Learning in Keras und Tensorflow kennen und erfahren, wie sie diese Techniken zur Lösung realer Probleme anwenden können. Eine Vielzahl neuronaler Netzwerkarchitekturen wie dichte Netzwerke, Faltungsnetzwerke, wiederkehrende Netzwerke und tiefes Reinforcement Learning werden aus theoretischer und praktischer Sicht untersucht.

· Modul 5 ist den Anwendungen gewidmet. In fünf Sitzungen und in eigenständigen Kursen zeigen verschiedene Fachleute aus Wissenschaft und Industrie Anwendungsbeispiele der vorherigen Module.

Der Kurs wird von Experten auf dem Gebiet des maschinellen Lernens und der Optimierung geleitet, die ihr umfangreiches Wissen und ihre Erfahrungen mit den Studierenden teilen, und richtet sich an

Studenten, die sich für Technologie begeistern und die Möglichkeiten des maschinellen Lernens und der Optimierung optimal nutzen möchten. Die in diesem Studiengang erworbenen Fähigkeiten genießen in der Branche einen hohen Stellenwert und können Türen zu vielfältigen Karrieremöglichkeiten öffnen.

Auswahlkriterien für Studierende nach Voranmeldungsauftrag. Für den Zugang zum Kurs ist kein Universitätsabschluss erforderlich.