Machine Learning: „Das wird im Job relevant!“

Wie trainieren wir Maschinen so, dass sie selbstständig aus der Analyse von Daten lernen können? Dass sie Muster erkennen und auf dieser Grundlage entscheiden? Dass sie den Menschen im Endeffekt darin unterstützen, schneller und effizienter zu arbeiten und zu komplexen, anderen Lösungen zu kommen? Und vor allem: Wann sind Ergebnisse dieses „Machine Learning“ gut und damit auf neue Situationen übertragbar? „Hier werden die meisten Fehler gemacht“, weiß Prof. Dr. Dirk Reichardt. „Fehler von Menschen, die ohne weiteres Wissen die inzwischen leicht verfügbaren Toolsets für Machine Learning einsetzen.“ Der Wissenschaftliche Leiter des Dualen Master Informatik hat daher das Modul „Advanced Machine Learning & Deep Learning“ aufgebaut.

 

Certificate/Diploma of Advanced Studies (CAS/DAS)

Nicht nur die Master-Studierenden des DHBW CAS können es belegen. Das Modul ist außerdem für das Zertifikatsprogramm der Wissenschaftlichen Weiterbildung freigegeben. Es ist einzeln belegbar, kann aber auch Teil eines Certificate of Advanced Studies „Machine Learning“ sein oder sogar Teil des größeren Diploma of Advanced Studies „Machine Learning/ Künstliche Intelligenz“.

 

Praktischer Anwendungsbezug

In dem Modul lernen die Studierenden verschiedene Methoden des Machine Learning kennen: Zum Beispiel

• Random Forest,
• Logistic Regression aber auch
• Symbolische Lernverfahren und den
• Übergang von Neuronale Netzen zu den "deep learning Modellen" von Convolutional Neural Networks (CNN).

Und nicht nur das: Datenanalysemethoden werden ausprobiert und auf praktische Anwendungen der berufstätigen Teilnehmer*innen hin überprüft.

 

Fit für künftige Anforderungen

Das hat auch Yannik Henke überzeugt. Der Modulteilnehmer ist Data Analyst bei TecAlliance. Bei allen Studieninhalten sei ihm besonders wichtig gewesen, stets den Praxisbezug herstellen zu können. Er will sich fit für künftige Anforderungen seines Arbeitgebers machen – und kann das Modul außerdem auf das duale Masterstudium anrechnen lassen, das er kommenden Herbst beginnen will. „Im Rahmen meines Jobs, wüsste ich zwar jetzt noch nicht, wo ich das umsetzen kann – aber das kommt! Das wird im Job relevant werden“, ist sich der Wirtschaftsinformatiker  und künftige Informatik-Masterstudent sicher.

 

Erstklassige Dozenten

Den großen Praxisbezug stellten auch die erstklassigen Dozenten und ihr Zusammenspiel sicher. Neben DHBW-Professoren berichtete beispielsweise Dr. Philippe Thomas über Support Vector Machines (SVM) und vertiefte das Wissen zu CNN. Der Experte des Deutschen Forschungszentrum für Künstliche Intelligenz in Berlin, Abteilung Speech and Language Technology, rückte außerdem das Transferlernen in den Fokus, also das Übertragen einer bestehenden Modellarchitektur auf eine neue Aufgabe. Diese Methode eignet sich besonders gut, wenn nur wenige Trainingsdaten vorliegen.

 

Best-Practice-Beispiele

„An Best-Practice-Beispielen haben wir gesehen, welche Auswirkungen die Wahl der Parameter hat und wie diese optimal festgelegt werden“, berichtet Henke. „Das ist schon sehr komplex!“ Es wird nicht sein letztes Modul unter dem Überbegriff der Künstlichen Intelligenz sein. „Wer hier studiert, kann erhält fundiertes Wissen, um die Toolsets des Machine Learning richtig einzusetzen und zu guten, übertragbaren Ergebnissen zu kommen“, verspricht Prof. Reichardt. „Wollen Sie die digitale Zukunft Ihres Unternehmens entwerfen und umsetzen? Hier finden Sie das passende, hoch aktuelle Rüstzeug!“

Zertifikatsprogramm Machine Learning / Künstliche Intelligenz

Dualer Master Informatik