Die Teilnehmenden werden mit den theoretischen Grundlagen dieser Methode des maschinellen Lernens vertraut gemacht. Dabei wird diese von den anderen Klassen des ML abgegrenzt. Danach werden einzelne Unterthemen der konkreten Umsetzung von Reinforcemet Learning erläutert, wie z.B. "Wert-Iteration", "Q-Lernen", "TD-Lernen" und "neuronale Netze". Dies wird anhand klassischer Beispiele geschehen, aber auch durch kleine, praktische Programmieraufgaben in der Sprache Python ergänzt werden. Es wird aufgezeigt und diskutiert, wie die erläuterten Methoden in der Praxis Anwendung finden und womit sie ggf. kombiniert werden müssen. Abschließend wird Raum für eine Diskussion der ethischen Fragestellungen gegeben, die diese Technologie aufwerfen, bevor die Teilnehmenden Gelegenheit haben, sich auf die in Gruppen zu bearbeitenden Aufgaben vorzubereiten.

Nach erfolgreichem Absolvieren dieses Moduls:

• haben Sie ein grundlegendes Verständnis der verschiedenen Methoden des Reinforcement Learnings inklusive der mathematischen Grundlagen.

• haben Sie erste praktische Erfahrungen mit der Umsetzung von Reinforcement Learning gesammelt.

• können Sie abschätzen, ob Reinforcement Learning als Methode zur Lösung konkreter Problemstellungen im Arbeitsumfeld in Frage kommt.

• sind Sie in der Lage, die Grundkonzepte des Reinforcement Learning anderen zu vermitteln.

Zu Beginn des Moduls erfolgt eine Einordnung des Reinforcement Learning Ansatzes in die weiteren Methoden des maschinellen Lernens und allgemein in den Kontext der Künstlichen Intelligenz.

Die Präsenztage dienen der Vermittlung von Grundlagen der Programmierung mit der Game Engine Godot entlang einer einfachen Beispielsimulation. Darüber hinaus vertiefen Sie Ihre Kenntnisse zur Theorie ausgewählter Reinforcement Learning Ansätze und lernen verschiedene Anwendungsmöglichkeiten von Reinforcement Learning anhand von aktuellen Beispielen kennen.

Im Laufe der Online-Phase erarbeiten Sie ein ausgewähltes Thema anhand bereitgestellter Literatur und implementieren in Einzel- oder Gruppenarbeit eine eigene Simulation zur Anwendung des Gelernten.

Die Prüfungsleistung umfasst die Einreichung Ihrer schriftlichen Dokumentation zum vorbereiteten Thema, sowie eine Präsentation am letzten Präsenztag der Veranstaltung mit Vorstellung Ihrer Programmieraufgabe.

Der Workload für dieses Modul beträgt insgesamt 180 Stunden, die sich aus Präsenztagen, Online-Phase und Bearbeitung der Prüfungsleistung zusammesetzt.

Dies entspricht sechs ECTS.

Für die Teilnahme mit Prüfung (Zertifikat) ist zudem ein abgeschlossenes Hochschulstudium Voraussetzung, das Sie über Ihr Hochschulzeugnis bei der Anmeldung (Upload) nachweisen. Zusätzlich empfehlen wir für einen gewinnbringenden Wissenstransfer auf Ihre berufliche Praxis eine mindestens einjährige Berufserfahrung.

Das Modul kann aber auch als Weiterbildung mit Teilnahmebescheinigung (ohne Prüfung) besucht werden.

Die Gebühr für das Modul beträgt 1540 Euro und 100 Euro Prüfungsgebühr (optionale Anmeldung nach Modulbeginn).
Verpflegung und Seminarunterlagen sind in den Teilnahmegebühren eingeschlossen. Persönliche Aufenthalts- und Reisekosten sind von den Teilnehmenden selbst zu tragen.

Kosten für Weiterbildung (Entgelte, Reise, Unterkunft) können steuerrechtlich geltend gemacht werden. Weiterhin besteht die Möglichkeit, Bildungsurlaub zu beantragen.

Bei erfolgreichem Abschluss des Moduls mit einer Prüfungsleistung erhalten Sie ein Zertifikat der Hochschule der Medien, das Ihre erworbenen Kompetenzen und ECTS-Punkte bestätigt.

Die erworbenen Kompetenzen können im berufsbegleitenden Masterangebot Data Science (M.Sc.) angerechnet werden. Bei Rückfragen hierzu stehen wir Ihnen gerne unter weiterbildung@hdm-stuttgart.de zur Verfügung.

Weiterhin besteht die Möglichkeit, das Modul als Weiterbildung zu absolvieren und es mit einer Teilnahmebescheinigung (ohne Prüfung und ECTS-Punkte) abzuschließen.