Master Class Machine Learning Engineer
Badge
Empfänger:innen dieses Badges haben an einer betrieblichen Weiterbildung der Haufe Akademie teilgenommen. Die betriebliche Weiterbildung vermittelte profundes Wissen und Kompetenzen mit höchsten Anforderungen an Aktualität, Qualität und Praxisrelevanz. Ausgewählte Top-Referent:innen, State-of-the-Art Inhalte und erprobte Lerntransfertools befähigen die Empfänger:innen dieses Badges dazu, das vermittelte Know-how wirksam in die Praxis umzusetzen.
Die Master Class besteht aus vier Kursen sowie einer E-Prüfung
Machine Learning und Data Mining: Konzepte, Modelle, Lernverfahren
- Die Grundlagen der Data Science
- Lernverfahren, Regression, Clustering, Classification
- Daten-Projekte mit CRISP-DM umsetzen
- Methoden und Tools für die Datenvorbereitung
- Neuronale Netze erstellen und trainieren
- Training von Machine-Learning-Modellen
- Anwendung von Machine Learning in Projekten
Deep Learning und Neuronale Netze mit Python, Pandas, Keras und TensorFlow
- Mathematische und statistische Grundlagen
- Konzepte und Verfahren im Deep Learning
- Neuronale Netze mit Keras und TensorFlow
- Datenvorbereitung und Feature Extraction
- Konvolutionale und rekurrente neuronale Netze
- Modelle deployen und Transfer-Learning
- Vortrainierte Layers in eigenen Projekten einsetzen
Natural Language Processing und generative Modelle mit Python und Transformern
- Python-Techniken für das Text Processing
- Einführung in Natural Language Processing (NLP)
- Textklassifikation und Textanalyse
- Topic Modelling und Long Short-Term Memory
- Transformer und Attention
- Transfer Learning und Finetuning mit Hugging Face
- Trainieren eines eigenen Chatbots
MLOps in der Praxis: Deployment und Integration von Machine-Learning-Modellen
- Grundlagen, Konzepte, Abläufe, Ziele in MLOps
- Datenversionierung und Experiment Tracking
- Data Pipeline Orchestration mit Dagster
- Experiment Tracking mit MLflow
- CI/CD für Machine Learning
- Deployment und Serving mit FastAPI und ONNX
- Monitoring von ML-Modellen: Daten, Metriken, KPIs
- ML-Pipelines in der Cloud
- Spezialanforderungen bei LLMOps
Prüfung Master Class Machine Learning Engineer
Prüfungsinhalte:
- Teil 1: E-Prüfung
- Teil 2: Praxisprüfung