مطوّر تعلّم الآلة مع دعم اللغة الألمانية المتعلقة بالوظيفة

المهارات اللغوية العامة (يوم واحد تقريباً)

تكرار الموضوعات النحوية المهمة وتطبيق التراكيب اللغوية المعقدة لقواعد اللغة الألمانية

قراءة وفهم النصوص من مختلف المجالات، وفهم القراءة العالمية والانتقائية في الفهم القرائي

تحسين فهم الاستماع

المراسلات في بيئة احترافية (يومان تقريباً)

التخطيط وتصميم الرسائل

التحية المعاصرة ومقدمات الرسائل

الخطابات ورسائل البريد الإلكتروني الموجهة للعملاء

إعداد التقارير

خطابات الغلاف وفقًا لمعيار DIN 5008

الذكاء الاصطناعي في إجراءات العمل

عرض تقنيات محددة للذكاء الاصطناعي

والتطبيقات الممكنة في البيئة المهنية

المجال المهني لإدارة الاتصالات (3 أيام تقريباً)

التواصل الواثق في الشركة

أشكال التواصل في فرق العمل

الاجتماعات والعروض التقديمية

إدارة النزاعات

تقييم الموظفين

مقابلات العمل

مقابلات المبيعات والاستشارات

كتابة العروض

المعارض التجارية والعروض التقديمية للمنتجات

الشكاوى

المجال الوظيفي للأعمال التجارية (6 أيام تقريباً)

الموارد البشرية والإدارة وقانون العمل

المالية والرقابة

محاسبة الرواتب

المجال المهني للتسويق (6 أيام تقريباً)

الدعاية والإعلان

تحليل السوق وأبحاث السوق

التسويق عبر الإنترنت والتجارة الإلكترونية

عمليات الشركة (حوالي 9 أيام)

إعادة الهيكلة، وإدارة العمليات، وتغيير العمليات

التحول الرقمي

التغييرات في إدارة الطاقة وحماية البيئة

إدارة المشاريع

المجال المهني للخدمات اللوجستية والتجارة (حوالي 8 أيام)

الإنتاج

الشراء

التسليم والنقل

تجارة التجزئة

أعمال المشروع والتحضير للشهادة وامتحان الشهادة (حوالي 5 أيام)

مقدمة في تحليل البيانات (يوم واحد تقريباً)

النموذج المرجعي CRISP-DM

سير عمل تحليلات البيانات

تعريف الذكاء الاصطناعي والتعلم الآلي والتعلم العميق

المتطلبات ودور مهندسي البيانات وعلماء البيانات ومحللي البيانات في الشركة

مراجعة أساسيات بايثون (يوم واحد تقريبًا)

أنواع البيانات

الدوال

تحليل البيانات (3 أيام تقريبًا)

وحدات بايثون المركزية في سياق تحليل البيانات (NumPy، Pandas)

عملية إعداد البيانات

خوارزميات التنقيب عن البيانات في بايثون

الذكاء الاصطناعي في إجراءات العمل

عرض تقنيات محددة للذكاء الاصطناعي

والتطبيقات الممكنة في البيئة المهنية

تصور البيانات (3 أيام تقريباً)

تحليل البيانات الاستكشافية

الرؤى

جودة البيانات

تحليل الفوائد

التصور باستخدام Python: Matplotlib وSeaborn وPlotly Express

سرد قصص البيانات

إدارة البيانات (يومان تقريباً)

هياكل البيانات الضخمة

قواعد البيانات العلائقية مع SQL

المقارنة بين قواعد بيانات SQL وقواعد بيانات NoSQL

ذكاء الأعمال

حماية البيانات في سياق تحليل البيانات

تحليل البيانات في سياق البيانات الضخمة (يوم واحد تقريباً)

نهج MapReduce

سبارك

NoSQL

لوحات المعلومات (3 أيام تقريباً)

المكتبة: اندفاعة

هيكل لوحات المعلومات - مكونات لوحة المعلومات - مكونات لوحة المعلومات

تخصيص لوحات المعلومات

عمليات الاستدعاء

التنقيب في النصوص (يوم واحد تقريباً)

المعالجة المسبقة للبيانات

التصور

مكتبة: سباسي

عمل المشروع (5 أيام تقريباً)

لتوحيد المحتوى المكتسب

عرض نتائج المشروع

مقدمة في التعلم الآلي (5 أيام تقريباً)

لماذا التعلم الآلي؟

أمثلة تطبيقية

التعلم الخاضع للإشراف، والتعلم غير الخاضع للإشراف، والتعلم الخاضع للإشراف الجزئي، والتعلم المعزز

أمثلة على مجموعات البيانات

التعرف على البيانات

بيانات التدريب والتحقق من الصحة وبيانات الاختبار

عرض البيانات

إجراء التنبؤات

التعلم تحت الإشراف (حوالي 5 أيام)

التصنيف والانحدار

التعميم والإفراط في التعميم وعدم التعميم

حجم مجموعة البيانات

خوارزميات التعلّم تحت الإشراف

النماذج الخطية

مصنفات بايز

أشجار القرار

الغابة العشوائية

تعزيز التدرج

الجيران الأقرب ك

ماكينات دعم المتجهات

المجال العشوائي الشرطي

الشبكات العصبية والتعلم العميق

الاحتمالات

التعلم غير الخاضع للإشراف (5 أيام تقريباً)

أنواع التعلم غير الخاضع للإشراف

المعالجة المسبقة والقياس

تحويلات البيانات

قياس بيانات التدريب والاختبار

تقليل الأبعاد

هندسة الميزات

التعلّم المتشعب

تحلل المكونات الرئيسية (PCA)

تحليل المصفوفة غير السالبة (NMF)

التعلُّم المتشعب مع التحليل العنقودي للمكونات الرئيسية

التحليل العنقودي

التجميع k-Means

التجميع العنقودي التجميعي

التحليل العنقودي الهرمي

DBSCAN

خوارزميات التجميع

التقييم والتحسين (يومان تقريباً)

اختيار النموذج وتقييم النموذج

ضبط المعلمات الفائقة للمُقدِّر

التحقق التبادلي

بحث الشبكة

مقاييس التقييم

التصنيف

عمل المشروع (3 أيام تقريباً)

لتوحيد المحتوى الذي تم تعلمه

عرض نتائج المشروع

مقدمة في التعلم العميق (يوم واحد تقريباً)

التعلم العميق كنوع من التعلم الآلي

أساسيات الشبكات العصبية (4 أيام تقريباً)

المدرك التلقائي

حساب الشبكات العصبية

تحسين معلمات النموذج، والانتشار الخلفي

مكتبات التعلم العميق

الانحدار مقابل التصنيف

منحنيات التعلّم، والإفراط في التركيب والتنظيم

تحسين المعلمات المفرطة

نزول التدرج العشوائي (SGD)

الزخم، مُحسِّن آدم

معدل التعلم

الشبكة العصبية التلافيفية (CNN) (يومان تقريباً)

تصنيف الصور

الطبقات التلافيفية، طبقات التجميع

طبقات إعادة التشكيل، التسطيح، تجميع المتوسط العالمي

مسابقة ImageNet-منافسة الشبكات العصبية المتداخلة (CNN)

الشبكات العصبية العميقة، وتلاشي التدرجات، وتخطي الاتصالات، وتطبيع الدُفعات

نقل التعلم (يوم واحد تقريباً)

تكييف النماذج

التدريب المسبق غير الخاضع للإشراف

زيادة بيانات الصور، والذكاء الاصطناعي القابل للتفسير

شبكة CNN الإقليمية (يوم واحد تقريباً)

توطين الكائنات

مشاكل الانحدار

الشبكات العصبية المتفرعة

طرق توليد الصور الإبداعية (يوم واحد تقريباً)

شبكات الخصومة التوليدية (GAN)

التزييف العميق

نماذج الانتشار

الشبكات العصبية المتكررة (يومان تقريباً)

تحليل التسلسل

الطبقات المتكررة

الانتقاء الخلفي عبر الزمن (BPTT)

تحليل السلاسل الزمنية

مشاكل التدرج الانفجاري والتلاشي

LSTM (الذاكرة طويلة وقصيرة المدى)

GRU (وحدة متكررة مبوبة)

شبكة RNN العميقة

LSTM العميقة

معالجة النصوص باستخدام الشبكات العصبية (يومان تقريباً)

المعالجة المسبقة للنص

تضمين الطبقات

تصنيف النصوص

تحليل المشاعر

نقل التعلّم في معالجة اللغات الطبيعية

الترجمات

طريقة التسلسل إلى التسلسل، وبنية التشفير وفك التشفير

النماذج اللغوية (يوم واحد تقريباً)

BERT، GPT

طبقات الانتباه، المحولات

خطوط أنابيب توليد النصوص

التلخيص

روبوتات الدردشة

التعلم المعزز العميق (يوم واحد تقريباً)

التحكم في الأنظمة الديناميكية

أنظمة الوكلاء

التدريب من خلال المكافآت

تدرجات السياسة

التعلُّم الكمي العميق

الشبكات العصبية الباييزية (يوم واحد تقريباً)

حالات عدم اليقين في الشبكات العصبية

التقييم الإحصائي للتوقعات

الثقة، الانحراف المعياري

البيانات غير المتوازنة

طرق أخذ العينات

عمل المشروع (3 أيام تقريباً)

لتوحيد المحتوى الذي تم تعلمه

عرض نتائج المشروع