Pattern Recognition and Deep Learning
Übersicht
Microcredentials
Zertifikat
6
Universität Ulm
Ulm
–
Englisch
1.290,00 €
Berufsbegleitender Kurs
1 Semester
Wissensgruppen und Schwerpunkte
Wissensgruppen und Wissensbereiche
Schwerpunkte
Zu den Schwerpunkten des Weiterbildungsangebotes gehören: Sensorsystemtechnik
Gesamtkosten
Die Gesamtkosten des Weiterbildungsangebots belaufen sich auf 1.290,00 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.
Dieser Zertifikatskurs richtet sich an Bachelor-, Diplom- oder StaatsexamensabsolventInnen, die sich für statistische und neuronale Mustererkennung, lineare und nichtlineare Klassifikatoren, Merkmalsextraktion und Anwendungen sowie der Bewertung der Systemleistung interessieren.
Angebotsdauer: 1 Semester
Workload: 180 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)
–
Das Modul findet üblicherweise im Wintersemester statt
Anmeldefrist
bis 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/BakkalaureusDiplomMaster
Gilt auch für die als gleichwertig anerkannten Abschlüsse
Zu erwerbende Kompetenzen
Die Studierenden erwerben Kenntnisse über verschiedene Methoden und Algorithmen der Mustererkennung und tiefer künstlicher neuronaler Netze. In Übungen sind die Studierenden in der Lage, die grundlegenden Algorithmen zu implementieren, werden die Prinzipien der Mustererkennung auf technische Applikationen anwenden und lernen, wie man die Leistung von Klassifikatoren bewertet.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
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 