Einführung in Maschinelles Lernen

Durch die stetig wachsende Menge und Verfügbarkeit von Daten und deren vielseitige Einsatzmöglichkeiten nimmt die Bedeutung und Notwendigkeit der automatisierten Analyse und Generierung höherwertiger Information drastisch zu. Konzepte und Algorithmen aus dem Bereich des Machine Learnings ermöglichen es, aus den Daten neue Erkenntnisse zu gewinnen, aufwändige und Daten-lastige Prozesse zu automatisieren und Modelle zur Vorhersage zu entwickeln. Dieses Seminar bietet einen Einstieg in die Themen Data Science und Machine Learning. Sie bekommen einen Überblick über die wichtigsten Methoden und lernen Algorithmen zur Regression, Klassifikation und zum Clustering kennen. In praktischen Übungen verwenden Sie Python um Daten aufzubereiten und eigene Modelle zu entwickeln.

Zielgruppe:

Einsteiger in die Themen Data Science und Maschinelles Lernen

Voraussetzung:

Grundlagen der Programmiersprache Python und der Pakete numpy, pandas und matplotlib.

Ziele/Nutzen des Seminars:

  • Sie lernen die Grundlagen von Machine Learning kennen.
  • Sie lernen fundamentale Algorithmen kennen.
  • Sie kennen den Unterschied zwischen supervised und unsupervised Learning.
  • Sie lernen verschiedene Loss Functions kennen.
  • Sie lernen Tipps & Tricks für das Feature Engineering kennen.
  • Sie lernen wichtige Kennzahlen zur Bewertung der Qualität von Modellen kennen.

Inhalte:

  • Algorithmen für Klassifikation, Regression und Clustering
  • Modellentwicklung mit scikit-learn
  • Feature Engineering (One-Hot Encoding, Normalization, ...)
  • Loss Functions (Mean Squared Error, Maximum Likelihood, ...)
  • Kennzahlen (Accuracy, Confusion Matrix, ...)

Termine:

Seminar­programm - einfach.gut.geschult.

Hier können Sie das aktuelle Seminarprogramm auch gerne herunterladen:

Download