Grundlagen des maschinellen Lernens mit Python
Übersicht
Microcredentials
Zertifikat
3
Universität Ulm, Technische Hochschule Ulm
Ulm
bis
Deutsch
810,00 €
Berufsbegleitender Kurs
1 Semester
Wissensgruppen und Schwerpunkte
Wissensgruppen und Wissensbereiche
Schwerpunkte
Zu den Schwerpunkten des Weiterbildungsangebotes gehören: Business Analytics
Gesamtkosten
Die Gesamtkosten des Weiterbildungsangebots belaufen sich auf 810,00 Euro.Lehr- und Lernformate
Berufsbegleitender Kurs
Selbstlernphasen (Asynchron)Übungen (Asynchron)Tutorien (Synchron)
Information
- Asynchron: Bei einem asynchronen Konzept werden die Kursmaterialien (Texte, Präsentationen, Podcasts, Screencasts, Videos) zur Verfügung gestellt und die Teilnehmer können diese zu einem anderen Zeitpunkt abrufen bzw. bearbeiten.
- Synchron: Bei einer synchron stattfindenden Veranstaltung sind Sie und Ihre Studierenden gleichzeitig in einem virtuellen Raum oder auf einer Plattform anwesend.
- Präsenz: Bei einer Veranstaltung vom Typ 'Präsenz' ist die Teilnahme am Standort der weiterbildenden Hochschule erforderlich.
Der Zertifikatskurs findet im Blended-Learning-Format statt, das bis zu 80% Online- bzw. Selbstlernphasen mit wenigen Präsenz- bzw. synchronen Veranstaltungen kombiniert.
Der Kurs wird von der Technischen Hochschule Ulm angeboten und ist Teil des Studiengangs Business Analytics der Universität Ulm.
Für den Zugang zu den Modulen des Studiengangs Business Analytics benötigen Bewerbende einen ersten Hochschulabschluss, z. B. Bachelor, Diplom, Staatsexamen etc. in den Studiengängen Elektrotechnik, Informatik, Maschinenbau, Mathematik, Physik, Wirtschaftsmathematik oder eines vergleichbaren Studiengangs oder einen als gleichwertig anerkannten Abschluss.
Wird das Modul lediglich als einzelner Zertifikatskurs belegt, ist ein erster Hochschulabschluss beliebiger Fachrichtung notwendig.
Angebotsdauer: 1 Semester
Workload: 90 Stunden
Fristen und Termine
Angebotszeitraum
%3b%7d.cls-4%7bstroke:url(%23Unbenannter_Verlauf_32-2)%3b%7d.cls-5%7bstroke:url(%23Unbenannter_Verlauf_32-3)%3b%7d.cls-6%7bstroke:url(%23Unbenannter_Verlauf_32-4)%3b%7d.cls-7%7bstroke-linejoin:bevel%3b%7d.cls-8%7bstroke:url(%23Unbenannter_Verlauf_32-5)%3b%7d.cls-9%7bstroke:url(%23Unbenannter_Verlauf_32-6)%3b%7d%3c/style%3e%3clinearGradient id='Unbenannter_Verlauf_32' x1='469.9' y1='-3439.56' x2='526.28' y2='-3439.56' gradientTransform='translate(1077.25 -3235.87) rotate(180)' gradientUnits='userSpaceOnUse'%3e%3cstop offset='0' stop-color='white'/%3e%3cstop offset='1' stop-color='%23796363'/%3e%3c/linearGradient%3e%3clinearGradient id='Unbenannter_Verlauf_32-2' x1='703.59' y1='-3439.56' x2='759.97' y2='-3439.56' xlink:href='%23Unbenannter_Verlauf_32'/%3e%3clinearGradient id='Unbenannter_Verlauf_32-3' x1='-2439.85' y1='-3439.56' x2='-2383.47' y2='-3439.56' gradientTransform='matrix(1%2c 0%2c 0%2c -1%2c 2632.06%2c -3235.87)' xlink:href='%23Unbenannter_Verlauf_32'/%3e%3clinearGradient id='Unbenannter_Verlauf_32-4' x1='-2208.03' y1='-3439.56' x2='-2151.65' y2='-3439.56' gradientTransform='matrix(1%2c 0%2c 0%2c -1%2c 2632.06%2c -3235.87)' xlink:href='%23Unbenannter_Verlauf_32'/%3e%3clinearGradient id='Unbenannter_Verlauf_32-5' x1='-2039.28' y1='-3580.28' x2='-1982.9' y2='-3580.28' gradientTransform='matrix(1%2c 0%2c 0%2c -1%2c 2632.06%2c -3235.87)' xlink:href='%23Unbenannter_Verlauf_32'/%3e%3clinearGradient id='Unbenannter_Verlauf_32-6' x1='870.26' y1='-3580.53' x2='926.65' y2='-3580.53' xlink:href='%23Unbenannter_Verlauf_32'/%3e%3c/defs%3e%3cg class='cls-1'%3e%3cg id='Ebene_1' data-name='Ebene 1'%3e%3crect class='cls-2' x='115.62' y='203.74' width='568.75' height='446.88'/%3e%3cline class='cls-3' x1='607.36' y1='203.69' x2='550.97' y2='203.69'/%3e%3cline class='cls-4' x1='373.66' y1='203.69' x2='317.28' y2='203.69'/%3e%3cline class='cls-5' x1='192.2' y1='203.69' x2='248.59' y2='203.69'/%3e%3cline class='cls-6' x1='424.03' y1='203.69' x2='480.41' y2='203.69'/%3e%3cline class='cls-7' x1='283.13' y1='274.8' x2='283.13' y2='114.39'/%3e%3cline class='cls-7' x1='515.64' y1='274.8' x2='515.64' y2='114.39'/%3e%3cline class='cls-2' x1='105.65' y1='344.4' x2='684.38' y2='344.4'/%3e%3cline class='cls-8' x1='592.78' y1='344.4' x2='649.16' y2='344.4'/%3e%3cline class='cls-9' x1='206.99' y1='344.65' x2='150.61' y2='344.65'/%3e%3cline class='cls-7' x1='516.35' y1='582' x2='516.35' y2='512'/%3e%3cline class='cls-7' x1='281.39' y1='582' x2='281.39' y2='512'/%3e%3cline class='cls-7' x1='517.22' y1='475.65' x2='517.22' y2='405.65'/%3e%3cline class='cls-7' x1='282.26' y1='475.65' x2='282.26' y2='405.65'/%3e%3c/g%3e%3c/g%3e%3c/svg%3e)
bis
Das Modul findet üblicherweise im Sommersemester statt.
Anmeldefrist
bis
Voraussetzungen (Zugang und Zulassung)
Eine Zulassung ist ausschließlich mit einem ersten berufsqualifizierenden Hochschulabschluss möglich.
Bei mehreren ersten Hochschulabschlüssen reicht es in der Regel einen der genannten Hochschulabschlüsse vorweisen zu können.
Bachelor/BakkalaureusDiplomStaatsexamen
Gilt auch für die als gleichwertig anerkannten Abschlüsse
Zu erwerbende Kompetenzen
In diesem Modul erlernen die Teilnehmenden grundlegende Methoden des maschinellen Lernens und deren Anwendung in Python. Das Modul vermittelt theoretische Grundlagen zu Algorithmen des überwachten und unüberwachten Lernens und verzahnt diese stets mit der Anwendung in Python auf Basis realer Datensätze. Da der Einsatz maschineller Lernverfahren weitreichende Implikationen haben kann, liegt ein besonderes Augenmerk auf der korrekten Evaluation der Modelle und Einordnung der Ergebnisse.Programmkontext
Anerkennung hochschulisch erbrachter Leistungen
Bei Fragen zur Anerkennung wenden Sie sich bitte an folgende Ansprechperson(en) bzw. Kontaktstelle(n)
Qualitätssicherung
Systemakkreditiert
Förderungsmöglichkeiten
BildungskreditBildungsprämieKfW-Studienkredit
Standorte und kooperierende Hochschulen
Ulm
Technische Hochschule Ulm (Ort: Ulm)
Ansprechpersonen und Kontaktstellen
' xlink:href='data:image/png%3bbase64%2ciVBORw0KGgoAAAANSUhEUgAAAFoAAACICAYAAABnXvwmAAAACXBIWXMAAAsSAAALEgHS3X78AAATjElEQVR4Xu1cT6g9SXX%2bzqm67/dbhIkughiDRHRgzEBkBAUNAUMGJETcTYRAVrox4EoEiYMLXQwxOjKSLIYoweAik80Qwc2EgIugBBcDWWTjQpAQFwOR7JzgvM6i61R/dar676373v2ZOVB0d9Wp09Xf%2bfrUqbr9njz9nvcMeFOa8s8//rGs6WwVXVOYE1WFiECk21gOyyXGonoYmqbEcwxqCACA4fZ2RbMUmbnnXjssvcfSW%2bKRG3nn7Hu0UVoO7mGnh41LyCKjt76Kewa6ZPOaxtJb4trNNjF%2bw%2bvaw04PG8BGO51lNnTsYQY/2p5%2bXuYg2mOz11h6Swwxrumsin%2bco4wJB/ux9BpLb4k9otS1PAxwXWNhacbovYPdk1It2W7Zua%2bx9JaoIWAY6sXh2iTJIimHPVfkisbSW%2bKRFZXpt0A5V65lLHvHsSar6d2csIO2PuTavbba8XKJsfSWWaB3xa9ecXHGzr2MpbMsLsE3e51sbO7TkmsaS2c5a1PJpNcD9bDTw8YlJOLAwFQVGAYMwHS8J7nUWHoQkOUwo5XSqNuNcXHtXlvteLnEWHrLLqD36M5JDxtAHzs9bGyVAuhL3fiI3SN9tsil7K5JjKcTbt94I1fogZXVkT4t0RCuZiy9JQL3PzgRyZPZNY2lpxxeGfIruHUC8lL9DNXBTg8bl5BdkyHQXk3ts1AK29tr55Jj6S2bf5xdcsgeDvWw08MGcHkWs%2bxi9B5dL%2bf0bck59s7pe1Qu/iv4VhtAHzs9bFxCmpPhXo%2bvTUBb7bXsbO1r0mssvaVg9NZ47cX36mGnhw3guJ3eUk2GRzxuHDrSl8Vz8Yi9XmPpLTF0WCAUb8UZcfCaxtJbzv%2boA9f1QNc0FpZ4zpLX2LM2AbEs5sA77HjpPZbespjeXWogR%2bwe6bNFLmXXy%2bqC5Qjjj/TZIkfsHulzCYnxdFrTOSRrDmzJkT5b5FJ290iXb%2b96fJzYS65pLCybN5VasvejlTnpYaeHDeByWcvu/ei9%2bsCxPlvkiN0jfXpIBfQhhm9IqTbZdXY29fHSayydpRk6dns92djdz8s1jaWzRO0woF4P1cNODxuXkENfKr0p%2b%2bXug9X/U3kT6DuSLrt3j7RQ6JR0fYlg%2bqsBtE9RZ9S2iE2m59hoyXUB3eEh85dGc%2b1LbSKV03pJlxidB9gosqdgA8hL91LNr35V0j2W%2bvrxPPfZz563niepGS3zj7rIhoW2JRERDMMAe2UHHLOV8%2beF8bO09MVd95Tdex2tgQjSZs5OW6bNq1PhTaGN9sSBNaz0y/c1RnPbxnvuFX32hRe2W06DEFfGpplXdq6YLdcP/Pqu2QCgpidTaFgLURAKM602vu4kY%2bhYMVi1tvSNiRsGJ0ghorW3UdXMi2dycW%2b/XUqOrSQ5q1XfSxRYZw2A8abm8ZaetW%2b050EyG2t9rWiDidkejRXUlu/p%2bk49qU0VMQQ8/4UvdJkQp8nQea%2b8cjLj6S3x1T9UrbB456QifNEcq2fubBjwYCe9EELlwHOkGTr8TdfEtFYnIZHxlW7dz%2bpav5BsANbXm5XWs%2bQdy3Qs7o8J5J5xuhk6ADRB9npZP3m%2baqPB2oBzeOB6B2RVctPMa2711Ke4jypUZCytSZBy6BgjVHWsS%2bVvvvzls8NHwehV38mKxky7SJkrt9o3iQe6pZJPSidmR6C8nxp7rd45Ycs9t4gCwF88/3z9qDZILjPCrCqKDRblwxVs8nYb9ylY63QzI93KLoSQ65ihSnX2GYI2bCw97xGhlcI2UFkyC3JF28YasEX7nH6yyYBlgJx%2biHHSYWCTvtWJ6uQQqhORnNWoKuLphG999atnhY/VTaUClgUHGCD8c38F6lg5HuqWSgdA%2bcq7dm6za/sySSRtLiXntfpoCAVZ8lG11EuOOEdyb7Hi2AEuput0ZKYtVYwPawULILOOSJUrM%2bOqcxFojDAWGluZ9TmESJr0rE4EGsJU6K053dwghIAQAv7%2bG984zOrZPHpOZE4vAWST3tLk5/v4e6vq2N%2b1eXt8zZOaOQwAkOwU3%2bCZHso3wB9DcpxlLavPsyCL70PFJr6Rb6M%2bfDTdrG%2bsosFzKXJYYqzSeRFnEyDa6JP1dPoEQUQQVKEhZCCZwXa0NE9DyPoaAv7hxRcPsVo4pv7l5z43b8QAnFVIQgDnM9/X65BzWqypHEznljl4B7dsmRN8u4hku3YebUIl59mbFmLEM5/85CoULLOTYeuBF8UG7jaX1sDla56EBNPWa9NhDZCzLvXJIHJbA1hujxYyCGS7h8XtvdL6NKgAYVZsIFQAVBNUS68qWqZrrby2SLtc6KiKjSPpFLGWwoM/1xBwOp2qidHK6eZmDCUh4HsvvbQrhBRA50F6LQ%2bYvYJUxzO4B3vtmrOBlt1W3G3diwGza4vfHjTT42vLvyvHyegsAHjw8GEG%2b5WXX94Mdhk6pIS4%2bco2dEVknN1d/6J9uijs%2bHBRHP142BFUr6rTGN24zCGQKRMS0mV7rbeE3waR0WExRoRUtkrJaC42gDQIu/Z1edCOdTxY0DmDKOIY647qbOZrYGKkX2qTLmcwa2yOp1PF7uDqTC/EOObWqvjXV17ZxOoi6wCAv/r85wfPZADVBGZ1opp1i34rk6L1NUfl/mRH/P20Zj/reVuZjTI5PLPa9GVKKa1fPJ2yw9iBtnix1NAWMiEEfPAjHykH66Tifh70eNFsq3RpkOB%2bpO/tqU4vUwW204UBxTpUV9yfQDYdBnbgOgJTgJHBXCflWxLTRGng2rmq4tUf/GB46sMfngX7LKABFCwDUIDAv4xL0h2GoQDZgyv5VLK%2bAbEGrrW3Yq3ZgwiG29tRL4SS%2bTqFJ9VpgraQIarTCtGNGwD%2b49VXh9956qkm2FXoAFD8TlaBKxM7%2bDoDSsCyZfHtbJcGbaHI2vNEl8a5BLC1c2y2Nl/MgQWALlQw8PF0yiy2%2bG9zRNAxpp8ePMDNzQ3e/d73VmA3p805EPJ1evAMSqpvnpNkJrv2ph0%2buvMWuHY0YNAAGVSynonTzSAnJ3B%2bHQjg04MH437JMOT6//zJT4bfete7isc/BDSAOmRYH9Jn5gxwdls26JwBk2QzrxTdPU0v%2bD6m60GU6YeBYgHUCB05I5kB2eL1AIxpX2p/7Wc/G37j7W/PD9wMHQDwwhe/yBvL4wHTQ8HOs8o84LyTN%2bugRl%2belAQonJUBJH2LuQwsn1vaNtze4nRzk%2beLJuB0fZNYq6oTyLRKtLZ4OuVySsfH3vIWAZY2/gkoBqVgpdOhlkL2pmUWl/l%2bImPOXex/mEMcoB7kImYDE0iquDWwZcq1DeCCzQxyAt5nH0ZaG5Oq4vVf/GJ48PChLG4qeaC5jS5qh3g9B0wB9EKbB5r1fV9jcwtgu7bCgEaRchJ0bM4lgWw5dlGfCjB%2bqhAohADAMAzD6u5dBUy6ZnDZDfZg%2bXwprnJ/A1DL1MwDa6xmOz6eq7MhIoVdDyBAy29zgtBeSaoLvCrkBUuM2Y7pZ%2bel%2btkYDQB//aUvjT%2b7qZZ7GfaQpNvKHICZ9MyOBDK3MVAGHl97WxxqOEx4kDk%2bZ1ansACgYjKDbOEGGCc9TQDHVEL65wW2D1IdsSAZWDgguZ1Bb52zDjlK3JHbPbAV0KRrIGeAF9gMTPHZ2MzMHm5vC0abTcsuLI3TBGDesST9FsgiMh%2bj%2bWEArLKXzwFiGZIdLX8HbAE9x2TAgZ/0hmH8p7EtgKvwoeWE1yowkDVtSAG4efiw0MmAJlD5OsaYv5KldgFWfjP882eflWqwqtWk48%2bzI1xbtbHvAIC3m8ZhdV6sD5KujauwYWMmEFuOMcA0BMQE3OnmJutaHs3/30REpv0PYnGM0SbNPOjVDVV%2byILB9ODi6%2bzBDSx66KEVq1HnwNZW6DlgtAWaObJRf0rbnhyHZ68DLbFDncbxZGi/L4YQgDQuw8lkcTI0efG55wYPcAvoDLBqpWcPnDMGkcpxXLKtBsBWF0Oa0Qlw/7Yw6PkH1wWQQ3r9TzFCCcwMeIwYhiGzNsfjlPaFifUF0quMBlCEglznwM2AuXYPmqhOKV/qp86%2bd4RIGXOzvZAyBtvhUy117drON4CsqhiAnDd7fQOT0zi7n7GcYMiyidEA8Ldf%2bcqY6jUAZqAL0Ahgr8e2WkxeAjgYMxOAdl%2b20wonnK5VINOvKUj3iKfT9A2ICyMDpsUJ/7SVMpUK6E2MBhosS0cATQCbQBOwFkI8m2cBpgKUOS%2b/cXPxOaZN/YKF5gD3kxWQHAeMsTfGGugUp7eADOxgNAB862tfG%2bYAZhArgJIeA2XinQKRPKnITDEdBiszm0GmthBjc%2bOo%2bl0wpC1PAi%2bDqJqzCoiUIMcIQR0yTDYzGkABml0XbYkFLYCzvtVPHXN9zolnwM3XQBU77ZgXHQR41pNyP%2bN0c1OEEDsH2w%2b0oZTAhkgBcAhhEWRgJ6MB4O%2b%2b/vWhAG48mSY2AsV0mkCn%2biFtmDcBXSg5TjuGVv11ChuLsTqBqKoTo43NM8wWjLE8nE6rQO9iNICJtWgD7UGeOrbHYQzKapicUxV1Exxdc1gAULC6AJlCBTuqyWhjM5%2bHcUFjuq1UriW7GQ1g%2bk6YAG4xuXWsGOcBXCqkF%2bhhC2bLtGCwc3tjfDxeApoZPHfUhcnPy25GA1MIAFDHbJnAr46uANP/jM51K6DzooNZ7cESneL1FpBVtcjLLZSwc0HPvVcW9zrm5M8%2b8xnxr3gG0uqp3dqYdXYtSt%2b8qeYUrChhSq0ANN%2bACoAU%2by0PFhApuK%2bB6e%2bnWnwXzandXjYDBxkNjA8LIOeakHkmG7jjZQ1%2bfmAH3lx9kabZeaNOCDQPoq9joAFM4KoWAB8BGTgHaALOjquhws6tH4HZzBjmACdA7a3I59SuOsXnOYDzW0bXAE2GjbIXZOBg6ACAP/30p6UAAqhYzA8h4lZt/IAOPH6dc/Ege9vUN9839TEAfbjzNquw5R28iMiyHGY0MIUPNQfzA4tk4PM5FaR6z0wV%2bhCRH5JK00EOYLsf58wVW/lI50A7dBxlM4Bj6R3LP37zm3mzyZcC3FGpas9pGoHWsmd9W39bUoBsjjOQGzEaaK/8uL2Vzh0FGTgjdJj8yac%2bJR4QK0W9gUDFLyg8YxlAY1URMpyO2SrabQx0nVneALlwivVdA2GDnBU6TPzrWjERqOsMVALZ7BhglT0D1DmIQWZw2TFKdgAUDvIFIlPoCGH8Q1Gch/fZocPk5W9/e2gBOVdnIHiA/XWxSSQy/XWsgRxCczINxM6K9akUH8MshA4x75wh3YAGgH/6zncy2EugW8nZwAzIIlLFdkvXlkC2%2bOxZ6wGPE5BT%2bqYKwfbNoq3SJXSY5IddAJjr10A2EAEKPdbGIFNbwXQD12yn%2bsKWUq7tHCbpJ7ce0pXRAPC9l14ajIlLgBtYDE4LZKsDpn2RYlJkENO1TXYFeASy2eYvlngiNBvoxGagQ9bh5Y8/8QlhtvCDNgsD6hwEIB8tV88MhzU755Etvq/FbNu/KP4giMehOU53Axm4ANAA8EfPPCMVAMxS74RU75nFC4b852mewXxOALMOT7yFU8mx%2bXzt4Q5K1xjNUsRCYD6EpAf3qZloGW/ZGQCqcMEM5vi9lN202Jyuu%2bPdPUaz/Mt3v1tkIR7sDMgCyD4eA%2blXGZmYywzmH2GXQLYvQhvxuTvIwIVCh8kffvzjUgCbCl%2b3WNUCihlt4YBDR27bAHJmvnPWpUAGLgw0APzBxz4mxWvJD%2bZBJPCLVR0DHKc/1LQ3wpxnuXPOtZ1j%2bTrw/dceooNcLEazcBwVmcmlGfBG%2bpZZqOmTLQIfQP4fGs3Uz%2bym89Yv6JdkM3AHjAaA3//oR4XZa6xqgqya2%2b0bPSvmJP9NXMp5R9CJod6p%2bR7OeZcGGbgjoAHg955%2bugghLZBzXCUAg4UHBpdCA4Ap9zYhp4grKgIkh%2bRyB3LRrKMl//b97%2bdMpNr2TEAUocGt2FifU0KbHCFStfvQU0ykd8Bm4I5iNIuGMC0SZkATIDM7M7cBmtkx4AYgh5XCprNFb8SdgAzcA6MB4NUf/nCwrzELgBM4AzDLRhEKI8RMVfqZqtFm/eyeuEOQgTuM0SxPfehDYsCYWNhgcCuQXZ1jZ9UmdA%2b7tlXqXcu9MNrk33/0o8GDqQkED66x3c5DmP5exBhbOcniNkqmA3eSOhdyL4w2%2bd0PfEA4G8is2wByjsFSxu%2bWZJaP7XcOMnDPQAPAk%2b9/fwbbh4BcWiCTI4JOE2MVPswR9xAuWO4daAB44n3vKxc0SnvOxHK/6iucE6ZfSXwsJ/17Q/sqgAaAx598stoTYcB4/wJAkS%2bLjrHXltZZSmfcG8jAFQENAO9%2b4gkpJjVarABorvTsD/DtWIWdkc33CjJwZUADwG8//rgI6FsR0OLGALZzYzQDD5r87h/fLPea3i3Jf/30p4NI/ckYnxvTM3sby3C5pyzDy9Ux2uQ33/lOqSbFhQJiL/W7CpCBKwYaAN72jneUE6SUq0ffxoBfU9gArjh0sPz3a68NRarGoQSNVaTcf5bh5ZEA2uR/fv7zvGTnCa/InUdWXxXIwJWHDi%2b//ta3So7LJXt5OX51IAOPGNAA8GuPPSYWMgBKA68T3yyPVOhg%2bd/XXx9kChX2Xd7Vov3IAm3yxi9/OaQwcrUgA8D/AYYlbiOS5g/lAAAAAElFTkSuQmCC'/%3e%3c/g%3e%3crect class='cls-3' x='75' y='75' width='365.63' height='203.13' rx='101.56'/%3e%3c/g%3e%3c/g%3e%3c/svg%3e)
School of Advanced Professional Studies (SAPS)
0731 50-32401saps@uni-ulm.deOberberghof 789081 UlmInternetseite
Webseite des AngebotsEin fokussiertes Fächerspektrum, Forschungsstärke und zahlreiche interdisziplinäre Projekte zeichnen die Universität Ulm aus. Wir sind klein, jung, flott und flexibel!
Prof. Michael Weber
Präsident der Universität Ulm 