Machine Learning ist durch die neuesten Entwicklungen im Bereich Deep Learning zum zentralen Thema der künstlichen Intelligenz geworden. Obwohl Projekte im Bereich Machine Learning viele Gemeinsamkeiten mit klassischen Software-Projekten haben, ist das Vorgehen, die Prozesse, die Architektur und das Design und sogar die Rollen anders.
In diesem Seminar lernen Sie, Machine Learning innerhalb des Gebiets der künstlichen Intelligenz einzuordnen und die Möglichkeiten und Anwendbarkeit auf Probleme abzuschätzen. Dazu werden wir uns anhand eines konkreten Beispiels durch die Phasen eines Machine Learning Projektes durcharbeiten und uns dabei auch mit den Unterschieden zu einem klassischen Software-Projekt beschäftigen. Dabei wird klar werden, was die einzigartigen Fähigkeiten von Machine Learning sind und wann man besser bei klassischer Software-Entwicklung bleibt.
Der Schwerpunkt des Seminars liegt auf Konzepten und Methoden des Machine Learnings und deren Einsatz in Software-Entwicklungs-Projekten, weniger auf der Umsetzung im Code. Dennoch werden wir einzelne Übungen im Python Code durchführen, die allerdings keine Kenntnisse im Bereich Python voraussetzen. Grundlegende Kenntnisse im Bereich Programmierung sind hilfreich, aber nicht notwendig. Dieses Seminar ist daher ebenso für Entwickler, wie für Architekten und Manager geeignet, die sich über die Möglichkeiten und Herausforderungen von Machine Learning auf dem Laufenden halten wollen.
Inhalt
- Unterschiedliche Arten von Machine Learning verstehen
- Anwendungen finden
- Daten-Analyse
- Experimente statt Iterationen
- Rollen im Machine Learning
- Services und Frameworks
- Entwicklungszyklus
- Architekturziele im Machine Learning
- Basiswissen Python, Scikit-Learn, Jupyter Notebook
Voraussetzungen
Kenntnisse über die Prozesse und Herausforderungen von Software-Projekten. Grundlegende Kenntnisse der Programmierung sind hilfreich, aber nicht notwendig.