Seminar Machine Learning mit Python

Dozent: Dr. Franz-Josef Toelle

 2.800,00

Zzgl. 19% MwSt.
Auswahl zurücksetzen

Das Seminar Angewandtes Maschinelles Lernen (Machine Learning) behandelt die Schlüsselkonzepte des Maschinellen Lernens, einschließlich Klassifizierung, Regressionsanalyse, Clustering und Dimensionsreduktion. Die Teilnehmer lernen sowohl die grundlegenden mathematischen Konzepte der Maschinellen Lernalgorithmen kennen als auch die praktische Anwendung von Maschinellen Lernalgorithmen unter Verwendung von Open-Source-Bibliotheken der Python-Programmierung. Dieser Kurs wurde entwickelt, um es unseren Teilnehmern zu ermöglichen, sehr anspruchsvolle Fähigkeiten zu entwickeln, die sie befähigen, ihre Karriere in einem zunehmend dynamischen Markt zu verändern oder zu erweitern. Unter Verwendung von realen Daten lernen die Teilnehmer Konzepte zur Lösung komplexer Geschäftsprobleme anzuwenden. Die Kursgebühr beinhaltet die Kursmaterialien, ein Mittagessen, Erfrischungssnacks und Getränke. Ein Laptop mit einer aktuellen Installation von R oder Python ist selbst mitzubringen. Sie können per Überweisung oder auf Rechnung zahlen (weitere Infos).

Artikelnummer: DSM Kategorien: , ,

Beschreibung

Dieser Kurs behandelt die Schlüsselkonzepte des Maschinellen Lernens, einschließlich Klassifizierung, Regressionsanalyse, Clustering und Dimensionsreduktion. Die Teilnehmer lernen sowohl die grundlegenden mathematischen Konzepte der Maschinellen Lernalgorithmen kennen als auch die praktische Anwendung von Maschinellen Lernalgorithmen unter Verwendung von Open-Source-Bibliotheken der Python-Programmierung.

Dieser Kurs wurde entwickelt, um es unseren Teilnehmern zu ermöglichen, sehr anspruchsvolle Fähigkeiten zu entwickeln, die sie befähigen, ihre Karriere in einem zunehmend dynamischen Markt zu verändern oder zu erweitern. Unter Verwendung von realen Daten lernen die Teilnehmer Konzepte zur Lösung komplexer Geschäftsprobleme anzuwenden.

In diesem Kurs lernen Sie sofort wirkungsvolle Machine Learning-Anwendungen zu erstellen. Von Anfang an erhalten Sie alle Werkzeuge, die Sie benötigen, um Maschinelle Lernprojekte auf Branchenebene zu erstellen. Zu den behandelten Themen gehören Datenanalyse/-visualisierung, Feature Engineering, Überwachtes Lernen, Unüberwachtes Lernen und Deep Learning. Alle Themen werden mit branchenüblichen Frameworks vermittelt: NumPy, Pandas, scikit-Lernen, XGBoost, TensorFlow und Keras.

Voraussetzungen: Die Programmierübungen im Kurs verwenden die Pandas-Bibliothek zur Manipulation von Datensätzen. Wenn Sie mit Pandas nicht vertraut sind, empfehlen wir Ihnen vorab Teilnahme am Kurs von Herrn Köhler. Des Weiteren sollten Sie mit den grundlegenden Konzepten der Mathematik wie Statistik, Linearer Algebra und Wahrscheinlichkeitsrechnung vertraut sein.

Lernziele:

  • Verständnis der verschiedenen Bereiche des Maschinellen Lernens, wie z.B. des Überwachten und Unüberwachten Lernens sowie Identifizierung von Szenarien, in denen es sinnvoll ist, das Maschinelle Lernen zur Lösung realer Probleme einzusetzen.
  • Aufbau eines Repertoires verschiedener Algorithmen und Ansätze des Maschinellen Lernens (Daten und algorithmische Modelle / parametrische und nichtparametrische Modelle) und Verständnis ihrer verschiedenen Stärken und Schwächen.
  • Erlernen der Verwendung der Programmiersprache Python und des wissenschaftlichen Rechenstapels von Python zur Implementierung von Maschinellen Lernalgorithmen, um
    • die Lernerfahrung zu verbessern,
    • in der Lage zu sein, neue Algorithmen zu entwickeln,
    • Maschinelles Lernen zur Problemlösung in verschiedenen Bereichen und Anwendungs-bereichen anzuwenden.
  • In der Lage sein, Probleme mit Blick auf das gewünschte Ergebnis anzugehen und den typischen Kompromiss zwischen Rechenleistung, Modellinterpretierbarkeit und Vorhersage-genauigkeit effektiv zu bewältigen.
  • Kombination von theoretischen und praktischen Konzepten, die in diesem Kurs vermittelt werden, um kreative, praxisnahe Problemlösungen zu entwickeln

Dauer: Die Seminardauer beträgt fünf Tage.

Format:

  • 70% Vorlesung + 30 % Praxis, Übungen und Demos
  • 40 Stunden Präsenzschulung, d.h. 8 Stunden täglich

Leistungen: Schulungsräume in zentraler Lage, 2-10 Teilnehmer pro Veranstaltung, Unterricht 9-16:30 Uhr, gedruckte Schulungsunterlagen, ein Zertifikat mit den Schulungsinhalten und Mittagessen, Erfrischungssnacks und Getränke in den Pausen (ein Laptop mit der Python Ananconda Distribution ist selbst mitzubringen)

Agenda des Seminars Angewandtes Maschinelles Lernen (Machine Learning)

  • Computational Foundations
    • Python, Anaconda, IPython, Jupyter Notebook
    • Scientific Computing mit NumPy, SciPy und Matplotlib
    • Datenverarbeitung und Machinelles Lernen mit Scikit-Learn
  • Tree-bases Methods
    • Entscheidungsbäume
    • Ensemble Methods
  • Evaluation
    • Overfitting und Underfitting
    • Konfidenzintervalle und Resampling
    • Model Selection und Cross Validation
    • Statistische Tests und Algorithmen Auswahl
    • Performance Metrics
  • Dimensionsreduktion
    • Feature Selection
    • Feature Extraction
    • Praxis-Übung: Erstellen eines Regression-Modells
  • Bayesian Learning
    • Bayes Klassifikatoren
    • Text Data & Sentiment Analysis
    • Naive Bayes Klassifikation
  • Regression und Unsupervised Learning
    • Regressionsanalysis
    • Clustering
  • Einführung in Künstliche Neuronale Netze
    • Perception
    • Adaline & Logistic Regression
    • Support Vector Machines
    • Multilayer Perception