Vortrag mit Übungselementen.
Überblick zu Machine-Learning (verschiedene Kategorien) Die wichtigen Schritte „Training“ und „Inference“ verstehen. Übungsbeispiel: Least-Squares-Regression, Funktionsweise Neuron, Neural-Networks, Deep-Learning. Wie funktioniert Lernen? Was ist Overfitting? Was sind Hyperparameter? Was ist „Gradient Descent“? Was ist „Backpropagation“? Was ist Reinforcement Learning und wie funktioniert es? Was macht "gute Daten“ aus?
Eigener Computer und lokale Installation von Python sinnvoll, aber nicht notwendig. Alternativ sind Beispiele über online Plattformen nutzbar.
Dieses Modul hat bereits stattgefunden. Eine Anmeldung ist nicht mehr möglich.
18.9.2026
| Nummer | KF01 - M07 |
|---|---|
| Thema | Künstliche Intelligenz |
| Veranstalter | TU Graz IVC |
| ReferentIn | Dr. Michael Stolz |
| Zielgruppe | Ingenieure ohne Machine-Learning Vorwissen |
| Nötiges Vorwissen | Anfänger Programmierkenntnisse in Python, Mathematik: Matrix/Vektor-Rechnung, Ableiten |
| Dauer | 1 Tag |
| Ort | Online möglich aber Vorort-Präsenz bevorzugt (Graz) |
| Preis | € 800,- (Pilotphasenpreis: € 400,-) |
Vortrag mit Übungselementen.
Überblick zu Machine-Learning (verschiedene Kategorien) Die wichtigen Schritte „Training“ und „Inference“ verstehen. Übungsbeispiel: Least-Squares-Regression, Funktionsweise Neuron, Neural-Networks, Deep-Learning. Wie funktioniert Lernen? Was ist Overfitting? Was sind Hyperparameter? Was ist „Gradient Descent“? Was ist „Backpropagation“? Was ist Reinforcement Learning und wie funktioniert es? Was macht "gute Daten“ aus?
Eigener Computer und lokale Installation von Python sinnvoll, aber nicht notwendig. Alternativ sind Beispiele über online Plattformen nutzbar.
Anmeldung: online unter https://at-lab.at/module/machine-learning-basics-2/#anmeldung oder per E-Mail an office@at-lab.at
https://at-lab.at/module/machine-learning-basics-2/