Ralf Boenke
Studiengangkoordinator Aktuarwissenschaften und Business Analytics und Kurskoordinator Zertifikatskurse
ralf.boenke@uni-ulm.deGrundlagen des maschinellen Lernens mit Python
In diesem Modul erlernen die TeilnehmerInnen grundlegende Methoden des maschinellen Lernens und deren Anwendung in Python. Das Modul vermittelt theoretische Grundlagen zu Algorithmen des überwachten und unüberwachten Lernens und verzahnt diese stets mit der Anwendung in Python auf Basis realer Datensätze. Da der Einsatz maschineller Lernverfahren weitreichende Implikationen haben kann, liegt ein besonderes Augenmerk auf der korrekten Evaluation der Modelle und Einordnung der Ergebnisse.
Das Modul beinhaltet einen festen wöchentlichen Online-Termin am Dienstagabend, jeweils von 19:00 – 20:30 Uhr.
Sprache: deutsch
Zunächst werden generelle Konzepte vorgestellt wie unterschiedliche Lernansätze ((Un-)Supervised, Reinforcement), Umgang mit verschiedenartigen Daten (Skalenniveaus), Problemlösungsvorgehen nach CRISP-DM, Trainings- und Testdaten, Loss-Functions oder Qualitätsmaße.
Die folgenden Inhalte werden mit umfangreichem Übungsanteil auf Basis realer Daten (etwa von der Kaggle-Website) hauptsächlich mit Hilfe der Python ML-Bibliothek scikit-learn unter Bezug auf die generellen Konzepte vermittelt:
– Unüberwachte Verfahren:
+ Clustering
+ Hauptkomponentenanalyse
+ Assoziationsanalyse
– Überwachte Verfahren
+ Regression
+ Klassfikation: Entscheidungsbäume, Naive Bayes, k-Nearest Neighbors
+ Ensemble Methoden: Random Forest, AdaBoost
– Einfache Neuronale Netze
Den Abschluss bildet ein Projekt, bei dem zur Lösung einer konkreten Aufgabenstellung verschiedene der zuvor erlerneten Konzepte und Methoden anhand des CRISP-DM-Prozesses zum Einsatz kommen sollen.
(90 LP/ECTS) — Berufsbegleitendes Weiterbildungsstudium, 10500 €
(90 LP/ECTS) — Berufsbegleitendes Weiterbildungsstudium, 18480 €
(30 LP/ECTS) — Blended Learning mit Präsenzphasen
Studiengangkoordinator Aktuarwissenschaften und Business Analytics und Kurskoordinator Zertifikatskurse
ralf.boenke@uni-ulm.deFür den Zugang zu den Modulen des Studiengangs Business Analytics benötigen Bewerberinnen und Bewerber einen ersten Hochschulabschluss, z. B. Bachelor, Diplom, Staatsexamen etc. in den Studiengängen Elektrotechnik, Informatik, Maschinenbau, Mathematik, Physik, Wirtschaftsmathematik oder eines vergleichbaren Studiengangs oder einen als gleichwertig anerkannten Abschluss.
Wird das Modul lediglich als einzelner Zertifikatskurs belegt, ist ein erster Hochschulabschluss beliebiger Fachrichtung notwendig.
Das Online-Studium findet im Selbststudium in der Form eines „Flipped Classroom“ statt. Für das Selbststudium stehen Video-Vorlesungen, ausführliche und sauber dokumentierte Codebeispiele als Jupyter-Notebooks und praktische Übungen bereit. In wöchentlichen Online-Sprechstunden werden Sie bei der Bearbeitung des Lernstoffs zusätzlich unterstützt.
Voraussetzung ist ein erster Hochschulabschluss
Inhaltlich: Grundkenntnisse in Python für Data Science wünschenswert (in der ersten Lerneinheit findet ein Crashkurs statt)
(90 LP/ECTS) — Berufsbegleitendes Weiterbildungsstudium, 18480 €