CAS Machine Learning HWZ

Das maschinelle Lernen ist in den meisten Branchen nicht mehr wegzudenken. Selbstlernende Algorithmen können die Rekrutierung im Personalmanagement optimieren, den Kundendienst automatisieren und individualisieren, Betrügereien aufdecken, die Qualitätskontrolle in der Fertigung übernehmen und Kundengefühle in den Daten aufspüren. Die Vielfalt der Anwendungsfälle und der damit verbundene Nutzen solcher Applikationen machen Machine Learning zu einer der wichtigsten Disziplinen im Bereich der künstlichen Intelligenz.

Nach Abschluss des Studiengangs kennen Sie nicht nur die wesentlichen Grundlagen und die Best Practice von Machine Learning (ML), sondern können geeignete Verfahren auswählen und anwenden, einfache Systeme zur automatischen Textanalyse einsetzen und selbstlernende Skripte entwickeln. Darüber hinaus lernen Sie die Methoden des Deep Learning und kennen die neuesten Entwicklungen in diesem Bereich.

Kursziele

Die Teilnehmenden

• kennen die wesentlichen Grundlagen und Best Practice zum Einsatz von Machine Learning-Verfahren.

• können mit Modellen entsprechende Vorhersagen machen und ihre Genauigkeit beurteilen.

• können für einen gegebenen Datensatz ein geeignetes ML-Verfahren auswählen und die Features entsprechend aufbereiten.

• sind in der Lage, mit Python zu programmieren und ML-Modelle zu entwickeln.

• können selbstlernende Skripte unter Verwendung von Python entwickeln.

• sind in der Lage, die grafische Benutzeroberfläche von KNIME zum Zweck der Datenvorbereitung, der Modellierung, der Analyse und der Visualisierung einzusetzen.

• kennen die wesentlichen Methoden zur Textanalyse und deren Anwendungen.

• können einfache Systeme zur automatischen Textanalyse implementieren und deren Qualität evaluieren.

• können Daten geeignet beschreiben und grafisch darstellen.

• kennen und verstehen die Grundlagen, Konzepte und Entwicklungen des Deep Learning.

Zielgruppe

Der CAS Machine Learning richtet sich an ambitionierte Mitarbeitende von Grossunternehmen und KMU, die ihre fachlichen Fähigkeiten in diesem zukunftsorientierten Gebiet methodisch und fundiert verbessern wollen.

Voraussetzungen für den Studiengang sind Freude am analytischen Denken, eine Affinität im Umgang mit Zahlen und Daten sowie die Bereitschaft, sich Programmierkenntnisse anzueignen (es werden keine Programmierkenntnisse vorausgesetzt).

Folgende Schlüsselinhalte sind im CAS Machine Learning HWZ enthalten:

Schlüsselinhalte

• Machine-Learning-Konzepte

• Grundlagen Python-Programmierung

• Entwicklung von Machine-Learning-Modellen

• Text Mining und Sentiment-Analysen

• Datenarchitektur und Datenmanagement

• Data Engineering und Tools

Unterrichtsform

Der Studiengang besteht aus insgesamt 16 Tagen. Davon sind 14 Tage Präsenzunterricht und 2 Beratungstage. Während den Beratungstagen stehen ausgewählte Dozierende bei Fragen zur Zertifikatsarbeit beratend zur Verfügung.

Leistungsnachweis

Diese Weiterbildung wird mit einer benoteten Zertifikatsarbeit abgeschlossen. Dabei haben Sie die Möglichkeit, Themen und Cases aus dem eigenen beruflichen Umfeld zu behandeln.

Anrechnung

Der CAS Machine Learning HWZ ist Bestandteil des MAS Applied Data Science HWZ. Sie können diesen CAS selbstverständlich auch separat absolvieren. Er ist ein in sich geschlossener Zertifikatslehrgang mit Leistungsnachweis.