Einstieg Maschinelles Lernen

Lernen Sie konkrete Probleme durch den Einsatz von maschinellem Lernen zu lösen

Lernen Sie grundlegende Verfahren des Maschinellen Lernens und deren typische Einsatzbereiche kennen. Vergleichen Sie verschiedene Lernmethoden und verstehen Sie Trainings- und Evaluationsprozesse. Wenden Sie zentrale Konzepte anhand praxisnaher Beispiele an.

Workshop

Länge: 8 Stunden
Datum: nach Bedarf
Kostenfrei

Weite Teile unserer heutigen datengetriebenen Welt werden von maschinellem Lernen (ML) angetrieben. Dieser Workshop bietet Ihnen die Möglichkeit hinter die Kulissen des maschinellen Lernens zu blicken, sich Methoden dieser anzueignen, um dann konkrete Problemstellungen aus dem Bereich zu lösen.

Sie werden die grundlegenden Konzepte des maschinellen Lernens kennenlernen und sich mit verschiedenen Methoden und Modellen vertraut machen. Sie werden lernen, wie ML-Modelle Entscheidungen treffen, indem sie aus Daten Entscheidungsgrenzen lernen.

Im Verlauf des Workshops werden Sie sich intensiv mit spezifischen Modellen des maschinellen Lernens beschäftigen. Sie erfahren, wie Entscheidungsbäume, Random Forests, Support Vector Machines funktionieren und nutzen sie, um komplexe Datenstrukturen zu analysieren. Sie werden lernen, wie Embeddings eingesetzt werden, um die Leistung Ihrer Modelle zu optimieren und sicherzustellen, dass sie auf verschiedenen Datensätzen robust bleiben. Dazu werden Sie scikit-learn und andere Python Bibliotheken verwenden, die sich als Industriestandard bewährt haben.

Um die Qualität Ihrer Modelle zu gewährleisten, werden Sie Cross-Validation Methoden anwenden. So werden Sie Ihre Modelle gegen Überanpassung (Overfitting) und Unteranpassung (Underfitting) schützen. Am Ende des Workshops sind Sie in der Lage, ML-Modelle selbstständig zu implementieren und anzuwenden, um spezifische Problemstellungen in Ihrer Branche zu lösen.

Verstehen Sie die grundlegenden Konzepte, Methoden und Modelle des maschinellen Lernens.

Analysieren Sie Daten, um geeignete Machine-Learning-Modelle auszuwählen und deren Entscheidungsfindung nachzuvollziehen.

Wenden Sie gezielt Embeddings an, um die Leistungsfähigkeit und Robustheit Ihrer Modelle auf unterschiedlichen Datensätzen zu optimiere.

Setzen Sie Entscheidungsbäume, Random Forests und Support Vector Machines zur Analyse komplexer Datenstrukturen ein.

Evaluieren Sie Machine-Learning-Modelle mithilfe von Cross-Validation.

Entwickeln Sie die Fähigkeit, ML-Modelle eigenständig zu implementieren und auf branchenspezifische Fragestellungen anzuwenden.

Kontakt

Tristan Kley
Projektleiter Academy
E-Mail

Voraussetzungen

Die Teilnahme an ZaKI.D Academy Kursen ist kostenfrei, eine Anmeldung ist jedoch erforderlich. Wir behalten uns vor Kurse abzusagen, wenn sich nicht ausreichend viele Teilnehmer anmelden.

Um erfolgreich in diesem Kurs zu sein, benötigen Lerner grundlegende Kenntnisse in der Programmierung mit Python und in der DataExploration. Diese Kompetenzen können in unserem anderen Kurs „Grundlagen DataExploration Workshop“ erlangt werden.

Nächste Termine

    • Datum: Nach Abstimmung
    • Uhrzeit: Nach Abstimmung
    • Ort: TBD
    • Kostenfrei

    Sobald genügend Teilnehmer durch eine Anmeldung ihr Interesse angekündigt haben, werden wir mit den Teilnehmern einen passenden Termin abstimmen.