Deep Learning für Machine-Learning-Bibliotheken mit Zusatzqualifikation: statistische Datenanalyse mit R, Data Science, Tableau, TensorFlow und Prompt Engineering

Nach Abschluss der Weiterbildung verfügen Sie über Kenntnisse in der Anwendung von Deep Learning und statistischer Datenanalyse mit R. Sie nutzen Data Science-Methoden, um Daten zu analysieren und zu interpretieren. Mit Tableau visualisieren Sie Daten, während Sie mit TensorFlow Modelle entwickeln. Im Bereich Prompt Engineering optimieren Sie die Interaktion mit KI-Systemen. Diese Fähigkeiten ermöglichen Ihnen Tätigkeiten in der Datenanalyse, im maschinellen Lernen und in der Entwicklung von KI-Anwendungen.

Grundlagen des Deep Learning

• Aufgaben und Funktion von Deep Learning
• Abgrenzung von Machine Learning und Deep Learning
• Neuronale Netze
• Trainieren eines Neuronalen Netzes

Machine Learning Frameworks: Keras & TensorFlow

• Keras
• Verbindungen zu TensorFlow
• Benutzen von vorgefertigten Modellen mit Keras
• Installation und Einrichtung von TensorFlow
• Grundlegende Verwendung von TensorFlow
• Verwendung von Keras
• Erstellen von FCN- und CNN-Modellen mit Keras

Statistische Datenanalyse mit R

• Grundlagen der Arbeit mit R
• Datenmanagement und diskriptive Statistiken in R
• Importieren, Analysieren und Exportieren von Datensätzen
• Diagramme in ggplot2
• Korrelationen
• Regressionsanalysen
• Anwendung von R in der Forschung
• Datenreinigung

Datenvisualisierung und Analyse mit Tableau

• Einführung in Tableau und Verstehen von Datenmodellierung
• Darstellen von Veränderungen durch Ranglisten und Bump-Diagramme
• Aggregation, Berechnungen und Parameter
• Erstellen von interaktiven Dashboards
• Verwendung von Kartendiensten
• Geografische Analyse
• Erstellen von Reporten inklusive Dashboard mit Interaktivität

Data Science und Machine Learning Grundlagen

• Einführung in Machine Learning
• Einführung in Unsupervised Machine Learning
• K-Means Clustering
• Einführung in Pandas und Dataframes
• Grundlegende statistische Kenngrößen
• Datenvisualisierung

Prompt Engineering und ChatGPT

• Einführung in Prompt Engineering: Grundlagen und Überblick
• ChatGPT: das Sprachmodell von OpenAI
• Training von ChatGPT: Verbesserung der Leistung durch Feinabstimmung
• Interaktive Konversation: dialogbasierte Nutzung von ChatGPT
• Nutzung von ChatGPT: Anwendungsmöglichkeiten und Potenziale
• Kontextsensitivität in ChatGPT: Verbesserung der Antworten durch Kontextverständnis