Maschinelles Lernen für eingebettete Systeme CAS

Automatisch Spam E-Mails erkennen oder fehlerhafte Produkte anhand von Kameradaten aussortieren? Maschinelles Lernen (ML) und Vernetzte eingebettete Systeme bieten ein großes Potential aber auch Herausforderungen. Das CAS gibt eine Einführung in das Forschungsgebiet des "Mashine Learning" (Bereich künstliche Intelligenz), deren Methoden Lösungen bereitstellen, um aus existierenden Daten Zusammenhänge zu erfassen.

Während Sie eine Einführung in das Forschungsgebiet des Maschinellen Lernens erhalten, lernen Sie unter anderem, wie man automatisch Spam E-Mails erkennt oder Gehirndaten klassifiziert. Dabei werden mitunter Methoden des unüberwachten und insbesondere des überwachten Lernens behandelt. Darüber hinaus werden Fachkenntnisse über das weitreichende Potenzial vernetzter eingebetteter Systeme vermittelt.

Im Detail setzt sich das Certificate of Advanced Studies (CAS) aus den beiden Modulen sowie Vernetzte eingebettetete Systeme zusammen. Der Kurs findet auf Englisch statt. Grundkenntnisse im Bereich Algorithmen und Datenstrukturen sowie mathematische Grundkenntnisse in Analysis und Linearer Algebra sind für diesen Kurs erforderlich. Kenntnisse in der Programmiersprache Python sind hilfreich.

Weitere Informationen

Im Rahmen dieses Kurses werden die Grundlagen geschaffen, vernetzte eingebettete Systeme (auch cyberphysische Systeme - CPS) zu verstehen und zu bewerten. Mit dem Wissen rund um die Herausforderungen der Vernetzung eingebetteter Systeme, sind Sie in der Lage, cyberphysische Systeme zu planen und einzusetzen.

Kompetenzen

Maschinelles Lernen
Vernetzte eingebettete Systeme (auch cyberphysische Systeme - CPS)

Auf einen Blick

Fach	Eingebettete Systeme \| Mikrosystemtechnik \| Technikwissenschaften
Wissenschaftliche Leitung	Prof. Dr. Josif Grabocka
Veranstaltungsart	Berufsbegleitendes Kontaktstudium
Veranstalter	Technische Fakultät
Zielgruppe	Berufstätige, Fach- und Führungskräfte, Lehrer/-innen, Hochschulabsolventen/-innen Auch Teilnehmer und Teilnehmerinnen mit Berufsausbildung (ohne Hochschulabschluss) und mit Vorkenntnissen.
Format	Alle Weiterbildungsformate sind als Blended Learning-Angebote konzipiert: Wenige und kurze Präsenzveranstaltungen am Wochenende werden mit ausgedehnten und flexiblen onlinegestützten Selbstlernphasen kombiniert.
Abschluss	Certificate of Advanced Studies (CAS)
Kreditpunkte	12 CP nach ECTS