Am Ende dieses Moduls über Python-Demos und Fallstudien zu den Grundlagen von Algorithmen des maschinellen Lernens (ML) werden die Lernenden in der Lage sein: Fehler beim maschinellen Lernen wie Verzerrung und Varianz zu interpretieren; Einblicke in die Implementierung von ML in Echtzeitbereichen wie Gesundheitswesen, Bankwesen und Industrie zu gewinnen; die Fähigkeit zu erwerben, Prozesse der explorativen Datenanalyse (EDA) unter Verwendung der Programmiersprache Python durchzuführen; die Fähigkeiten zu entwickeln, ML-Algorithmen zur Vorhersage von Lungenkrebserkrankungen zu modellieren

Am Ende dieses Moduls zur Demonstration von Algorithmen des unüberwachten und verstärkten maschinellen Lernens mit Python-Demos werden die Lernenden in der Lage sein: Einen k-means Clustering Algorithmus anhand einer Demo zu modellieren; eine Anwendungsdemo zu entwickeln, die DBSCAN Clustering auf einen Datensatz anwendet; die Verwendung von COBOTs in der industriellen Automatisierung zu demonstrieren.

Am Ende dieses Moduls zu den Prinzipien und erfolgreichen Demonstrationen neuronaler Netze (Textanalyse) werden die Lernenden in der Lage sein: die Erkennung von Ziffern mit MLP und CNN zu demonstrieren; ein Python-Programm zu entwickeln, um Overfitting- und Underfitting-Probleme in einem ML-Modell zu identifizieren; ein ML-Netzwerk mit dem WEKA-Tool zu entwickeln.

Am Ende dieses Moduls über fortgeschrittene Anwendungen mit Deep Learning Networks werden die Lernenden in der Lage sein: Die Probleme des verschwindenden und instabilen Gradienten in einem Deep-Learning-Modell zu identifizieren; DL für die Erkennung von Bananenblattkrankheiten anzuwenden; CNN für die Erkennung von Lungenentzündung anzuwenden; ein fortgeschrittenes CNN-basiertes ML-System zur Bilderkennung zu modellieren

Am Ende dieses Moduls über IoT mit KI und Edge Computing werden die Lernenden in der Lage sein: Die Funktionsprinzipien des TinyML-Systems zu verstehen; die Notwendigkeit von Komprimierungstechniken zu erkennen; die Edge-Architektur auf Basis von High Computing Machines zu interpretieren; die Funktionalitäten der Arduino IDE und die Programmierung auf dem Arduino Nano BLE Entwicklungsboard zu erlernen