Machine Learning

Niveau og ECTS

Diplomniveau, 10 ECTS

Næste start

Ikke planlagt

Pris fra

Ikke angivet

For virksomheder

Kontakt os og få faget skræddersyet til netop din virksomhed.

Tilmeld dig nu
Softwareudvikling 013

Tag 'Machine Learning' som et enkeltstående kursus - eller som del af en hel diplomuddannelse

Machine learning er en kunstig intelligens, der på baggrund af en stor mængde data konstruerer en algoritme, der kan analysere mønstre og adfærd i den virkelige verden.

Kunstig intelligens oplever vi i forskellige dele af vores hverdag f.eks. streamingtjenester, der giver dig personlige anbefalinger baseret på tidligere film eller serier du har set.

Få skræddersyet efteruddannelse til din virksomhed

Hos Erhvervsakademi Aarhus kan vi skræddersy alle uddannelsesforløb og kurser, så de passer til netop dig og din virksomhed, organisation eller branche.

Bliv klogere her

Opnå kompetencer til at anvende og implementere machine learning algoritmer

Med ’Machine Learning’ får du indsigt i begreber, teknikker og teknologier inden for machine learning samt viden om machine learning algoritmer herunder supervised-, unsupervised- og reinforcement learning.

Du opnår også kompetencer til at udvælge og anvende relevante machine learning algoritmer på konkrete problemstillinger. Derudover lærer du at optimere brugen af algoritmer på udvalgte problemstillinger i form af tuning af hyperparametre for algoritmerne.

Gennem en systematisk og analyserende tilgang, lærer du samtidig, at forbedre data ved hjælp af data cleaning med henblik på at opnå bedre resultater til at optimere algoritmer.

Det lærer du om

På 'Machine Learning' lærer du om:

  • udvalgte lineære og ikke-lineære klassificeringsmetoder
  • udvalgte algoritmer til brug for supervised og unsupervised learning
  • beskrivelse af den diagnostiske evne for et binært klassificeringssystem ved hjælp af ROC-kurver
  • udvalgte machine learning programbiblioteker i Python
  • data cleaning i forbindelse med arbejde med machine learning algoritmer på udvalgte problemstillinger
  • neurale net, deres overordnede virkemåde, samt træning af neurale net indenfor supervised learning
  • generering af nye data indenfor udvalgte områder ved hjælp af generative adversarial networks
  • brug af reinforcement learning algoritmer på udvalgte problemstillinger

Det kan du, når du er færdig

Når du er færdig med 'Machine Learning' kan du:

  • anvende supervised og unsupervised machine learning algoritmer til udvalgte klassificeringsopgaver
  • behandle relevant data til brug for machine learning algoritmer
  • anvende et konkret machine learning framework på praktiske problemstillinger
  • evaluere og sammenligne resultater fra machine learning algoritmer
  • generere nye dataelementer indenfor udvalgte områder ved hjælp af generative adversarial networks
  • anvende reinforcement learning algoritmer indenfor udvalgte områder
  • udvælge passende machine learning algoritmer til løsninger af konkrete problemer
  • håndtere og forstå virkemåde af, neurale net til klassificerings opgaver
  • teste og lave inkrementelle forbedringer til udvalgte machine learning løsninger med tilhørende trænings- og test data
  • håndtere udvalgte machine learning Python programmerings biblioteker og frameworks
  • analysere udvalgte problemstillinger og lave en passende machine learning løsning, samt implementere og teste denne i programmerings sproget Python og/eller ved anvendelse af Jupyter notebooks

Enkeltstående kursus, eller hel uddannelse

Du kan tage 'Machine Learning' som et enkeltstående kursus.

Eller du kan bruge det som valgfag på en hel diplomuddannelse i softwareudvikling.

Kurset kan også indgå som valgfag på andre diplomuddannelser.

Eksamen og ECTS

Du afslutter 'Machine Learning' med en eksamen, der bedømmes efter 7-trinsskalaen.

Faget giver 10 ECTS-point.

Tilmeld dig hurtigst muligt

Tilmeldingsfristen er 14 dage før startdato. Hvis tilmeldingsknappen er synlig - også efter fristen - betyder det, at du stadig kan nå at tilmelde dig, fordi vi har ledige pladser. Vi opfordrer dog altid til, at du tilmelder dig i så god tid som muligt for at sikre oprettelse af faget.

Tilmeld dig fag hos vores samarbejdspartner

Tilmeld dig her

Ingen kursusdato fastlagt