2025-09-09 –, Room 7
Language: Deutsch
In diesem kompakten Bootcamp geben wir Softwareentwickler:innen und technischen Entscheidern einen fundierten Überblick über aktuelle Herausforderungen und Chancen im Bereich des Machine Learning. Gemeinsam beleuchten wir grundlegende Konzepte wie supervised und unsupervised learning, den Umgang mit grossen Datenmengen und deren Qualität sowie zentrale Aspekte moderner MLOps-Praktiken.
Unser Ziel ist es nicht, in einem Tag ML-Expert:innen auszubilden, sondern ein klares Verständnis dafür zu schaffen, welche Fragestellungen und Fallstricke beim Einsatz von Machine Learning in zukünftigen Softwareprojekten auftreten können – und wie man ihnen kompetent begegnet.
- Introduction to Machine Learning
- Grundverständnis für Funktionsweise und Zielsetzung von Machine Learning
- Unterschiede zwischen supervised und unsupervised learning
- Voraussetzungen für erfolgreiches Lernen (Datenqualität, Problemformulierung, Zieldefinition)
-
Statistical Machine Learning
- Einführung in klassische Machine Learning Algorithmen und deren Konzepte
- Diskussion über Vorteile gegenüber modernen deep learning Ansätzen
- Umsetzung eines konkreten Verfahrens zur Vertiefung: Fokus auf feature engineering und Datenrepräsentation -
Neuronal Networks
- Anwendung eines neuronal network-Modells auf den gleichen Datensatz wie zuvor
- Aufbau, Training und Analyse eines einfachen neural network
- Diskussion der Unterschiede und Stärken im Vergleich zu klassischen Methoden -
MLOps
- Überblick über zentrale MLOps-Konzepte im Kontext realer Softwareprojekte
- Deployment eines kleinen Containers mit FastAPI zur Bereitstellung eines API-Endpunkts
- Diskussion typischer Herausforderungen bei der Operationalisierung von ML-Modellen
>> Zur Anmeldung
Martin Stypinski ist Gründer der Veemg GmbH in Zürich, einem Unternehmen für ML Engineering und Beratung, sowie Studiengangleiter des Weiterbildungsstudiengangs „Machine Learning for Software Engineers“ an der Ostschweizer Fachhochschule in Rapperswil. In den letzten fünfzehn Jahren war er in verschiedenen ingenieurtechnischen Positionen in der Softwareindustrie und der angewandten Forschung tätig. Seine Leidenschaft gilt anspruchsvollen Aufgaben im Bereich Machine Learning und Computer Vision - insbesondere dort, wo intelligente Systeme über einfache Klassifikation hinaus echten Mehrwert schaffen.