Machine Learning mit Python

Posted on
Print Friendly, PDF & Email
Der Kurs Machine Learning mit Python ist das zweite Modul des Lehrgangs → Data Science Crash Course mit Python. Mit dem Lehrgang erhalten eine fundierte und modular aufgebaute Einführung in die Themen Data Science, Künstliche Intelligenz und Machine Learning (Maschinelles Lernen) sowohl für numerische Daten als auch für Textdaten. Bei entsprechenden Vorkenntnissen können Sie die Module auch einzeln besuchen.

Data Science Crash Course mit Python (5 Tage)
Modul „Data Science und Künstliche Intelligenz mit Python“ (2 Tage) Modul „Machine Learning mit Python“ (2 Tage) Modul „Natural Language Processing (NLP) mit Python“ (1 Tag)

Das Modul Machine Learning mit Python gibt einen Einblick in die unterschiedlichen Algorithmen des Maschinellen Lernens. Die Theorie dahinter wird dabei anhand von Praxis-Übungen aus den Bereichen Clustering, Virtuelle Sensoren und Zeitreihenvorhersage vermittelt. In diesem Modul werden Sie sich hauptsächlich mit der Anwendung des Machine Learning auf numerischen Daten beschäftigen.

Wenn heutzutage von Künstlicher Intelligenz gesprochen wird, meinen die meisten eigentlich Maschinelles Lernen. Maschinelles Lernen, oder Machine Learning, lässt die Daten für einen sprechen. Denn anstatt dass Sie selbst Regeln erstellen, z. B. wie Sie einen Prozess möglichst effizient ablaufen lassen oder wann die nächste Wartung durchgeführt werden muss, finden Machine Learning Algorithmen mit Ihrer Hilfe diese Regeln selbst.

Dabei unterteilt sich Machine Learning in drei Hauptbereiche: Supervised Learning, Unsupervised Learning und Reinforcement Learning. Sie werden aus diesen Bereichen zahlreiche Algorithmen kennenlernen und ausgewählte Algorithmen (KMeans, DBSCAN, Random Forest, XGBoost, Neuronale Netze, LSTMs) in drei Praxis-Übungen selbst intensiv anwenden. Gerne können Sie hierfür auch Ihre eigene Fragestellung inkl. der notwendigen Daten mitbringen.

 

Alle Bewertungen stammen ausschließlich von Kunden und Seminarteilnehmern von Dr. Christoph Oestreicher.
Die Bewertungen werden von einem unabhängigen Dienstleister gesammelt, geprüft und ausgewertet.

Zielgruppe für das Seminar

Das Seminar Machine Learning mit Python ist für Beschäftigte aus operativen Bereichen, R&D und IT mit grundlegenden Programmierkenntnissen geeignet, welche die Potenziale von Data Science, Künstlicher Intelligenz und Maschinellem Lernen für ihren Bereich kennenlernen und hautnah erfahren möchten. Anwender, Studenten, Doktoranden und Forscher aus den mathematischen, statistischen, naturwissenschaftlichen, ingenieurwissenschaftlichen, informationstechnologischen, betriebs-, wirtschafts-, markt- und sozialwissenschaftlichen Bereichen sind ebenfalls willkommen.

Voraussetzungen für das Seminar

Für das Seminar Machine Learning mit Python ist Voraussetzung, entweder das Seminar Data Science und Künstliche Intelligenz mit Python besucht zu haben oder dessen Inhalte zu kennen. Speziell gehört dazu, in Python programmieren zu können und ein grundsätzliches Verständnis von Modellierung und dem zugehörigen Prozess zu haben.

Lernziele des Seminars

Am Ende des Seminars Machine Learning mit Python werden Sie

  • eine Kategorien-Einteilung/Clustering mit Unüberwachtem Lernen/Unsupervised Learning (PCA, k-Means, DBSCAN) durchführen können,
  • eine Trendvorhersage mit Überwachtem Lernen/Supervised Learning (Neuronale Netze, XGBoost, LSTM) durchführen können,
  • einen Virtuellen Sensor mit Überwachtem Lernen/Supervised Learning (Decision Tree, Random Forest, XGBoost) entwickeln können.

Dauer des Seminars

  • Rahmen: 2 Tage mit 16 Unterrichtsstunden (täglich 8 Stunden, 9-17 Uhr)
  • Aufteilung Theorie/Praxis: 40% Vorlesung + 60 % Praxis, Übungen und Demos

Termine für das Seminar Machine Learning mit Python

Dies ist das zweite von drei Modulen des Lehrgangs Data Science Crash Course mit Python. Bei entsprechenden Vorkenntnissen können Sie die Module auch einzeln besuchen. Informationen zur Durchführung von Präsenz- und Online-Seminaren finden Sie → hier. Präsenzseminare finden aufgrund der erhöhten Infektionsgefahr in geschlossenen Räumen bis auf Weiteres nicht statt. Die Preise für die Online-Seminare der Module des Lehrgangs sind um 10 % reduziert (Unterricht im virtuellen Klassenraum, max. 10 Teilnehmer pro Veranstaltung, persönliche Betreuung durch den Dozenten, täglicher Unterricht 9-17 Uhr, digitale Schulungsunterlagen, Zertifikat wird danach zugeschickt). Falls auf dem teilnehmenden Computer die Python Anaconda Distribution nicht installiert werden kann, kann gegen eine geringe Gebühr ab 5 Euro pro Tag der Fernzugriff auf einen Schulungslaptop gemietet werden (Windows Remote Desktop). Sie können auf Rechnung zahlen (weitere Infos).

Seminar Ort Termin Dauer Plätze Preis +16% MwSt.
ML Onlinekurs Online-SeminarInfos zu unseren Online-Seminaren 09.12. - 10.12.2020  2 Tage > 5 frei  10% 10 % Online-Rabatt im Preis bereits inkludiert  895
ML Onlinekurs Online-SeminarInfos zu unseren Online-Seminaren 20.01. - 21.01.2021  2 Tage > 5 frei  10% 10 % Online-Rabatt im Preis bereits inkludiert  895
ML Onlinekurs Online-SeminarInfos zu unseren Online-Seminaren 10.02. - 11.02.2021  2 Tage > 5 frei  10% 10 % Online-Rabatt im Preis bereits inkludiert  895
ML Onlinekurs Online-SeminarInfos zu unseren Online-Seminaren 17.03. - 18.03.2021  2 Tage > 5 frei  10% 10 % Online-Rabatt im Preis bereits inkludiert  895
ML Onlinekurs Online-SeminarInfos zu unseren Online-Seminaren 21.04. - 22.04.2021  2 Tage > 5 frei  10% 10 % Online-Rabatt im Preis bereits inkludiert  895
ML Onlinekurs Online-SeminarInfos zu unseren Online-Seminaren 19.05. - 20.05.2021  2 Tage > 5 frei  10% 10 % Online-Rabatt im Preis bereits inkludiert  895
ML Onlinekurs Online-SeminarInfos zu unseren Online-Seminaren 16.06. - 17.06.2021  2 Tage > 5 frei  10% 10 % Online-Rabatt im Preis bereits inkludiert  895

Die Angaben wurden am 31.10.2020 um 17:04 Uhr aktualisiert.

Unsere Garantien

Best-Price-Garantie Best-Price-Garantie: Bei uns erhalten Sie den besten Preis. Sollten Sie ein von den Inhalten und Leistungen vergleichbares Seminar bei einem anderen Anbieter finden (nicht bei Ihnen selbst), erhalten Sie bei uns denselben Preis.
Durchführungsgarantie Durchführungsgarantie: Wir garantieren Ihnen die Durchführung unserer Seminare. Ohne Anmeldung kann jedoch ein Termin innerhalb von sechs Wochen vor Beginn jederzeit ersatzlos gestrichen werden.
Gruppengrößengarantie Gruppengrößengarantie: Wir garantieren Ihnen, dass unsere Seminare mit nicht mehr als 10 Personen belegt werden. Sie werden von unseren Dozenten in Kleingruppen individuell und persönlich betreut.
Technikgarantie Technikgarantie: Wir setzen nur die beste Technik und Software in unseren Online-Seminaren ein. Unsere Seminare zeichen sich von unserer Seite aus durch stabile Verbindungen, hochauflösende Bilder und eine klare und störungsfreie Sprachübertragung aus.
Zufriedenheitsgarantie Zufriedenheitsgarantie: Sollte ein mehrtägiges Seminar nicht Ihren Erwartungen entsprechen, können Sie Ihre Teilnahme am ersten Tag abbrechen und Sie erhalten Ihr Geld wieder zurück.
Nutzengarantie Nutzengarantie: Sollten Sie nach einem halben Jahr feststellen, dass Sie nichts von dem Gelernten in Ihrem Berufsalltag anwenden konnten, dürfen Sie kostenfrei ein weiteres unserer Seminare besuchen.
Nachhaltigkeitsgarantie Nachhaltigkeitsgarantie: Sollte eine Person innerhalb eines halben Jahres nach der Teilnahme an einem unserer Seminare unvorhergesehen für mehr als 6 Monate Ihrer Organisation nicht zur Verfügung stehen (wegen Kündigung, Elternzeit, Erkrankung oder Sonderurlaub), darf eine andere Person Ihres Unternehmens kostenfrei an einem Seminar mit demselben Inhalt teilnehmen.

Inhalte des Seminars Machine Learning mit Python

Machine Learning mit Python
pro Person in Stuttgart oder als Online-Seminar
995 Euro
(1.154,20 Euro inkl. 16% MwSt.)
Inhalte
  • Praxis-Beispiel I (Clustering)
    • Einführung in den Kontext und die Daten
    • Zielsetzung und Methodennutzung
    • Praxis-Übung I: Dimensionalitätsreduzierung mit einer Principal Components Analysis (PCA)
    • Praxis-Übung II: Kategorie-Einteilung von Service-Einsätzen mittels k-Means und Density-Based Spatial Clustering of Applications with Noise (DBSCAN)
  • Praxis-Beispiel II (Virtueller Sensor)
    • Einführung in den Kontext und die Daten
    • Zielsetzung und Methodennutzung
    • Praxis-Übung: Vorhersage eines (meistens nicht direkt messbaren) Wertes anhand vorhandener Variablen/Merkmale mittels Decision Trees, Random Forest und XGBoost, Evaluation mittels Feature Importance
  • Praxis-Beispiel III (Trendvorhersage)
    • Einführung in den Kontext und die Daten
    • Zielsetzung und Methodennutzung
    • Praxis-Übung I: Zeitreihenvorhersage mittels Random Forest, XGBoost und Neuronalen Netzen
    • Praxis-Übung II: Multivariate Zeitreihenvorhersage mittels Long-Short-Term-Memory (LSTM) mit weiterführenden Python-Bibliotheken: keras, tensorflow
Voraussetzungen
Seminartyp und Dauer
  • offene 2-Tages-Schulung mit max. 10 Teilnehmer
  • Unterricht 9-17 Uhr mit angemessenen Pausen
  • 16 Unterrichtsstunden, d.h. 8 Stunden täglich
  • 40% Vorlesung + 60 % Praxis, Übungen und Demos
Termine und Veranstaltungsorte

 

Termine und Preise anzeigen