Machine Learning mit Python

In unserem kompakten Python-Training erlernen Sie die grundlegenden und fortgeschrittenen Techniken des maschinellen Lernens. Sie erhalten Kenntisse in der Modellierung von Machine Learning-Projekten und entwickeln die Fähigkeiten, eigene Modelle zu erstellen, zu optimieren und zu evaluieren.
Ziel des Kurses ist es, Sie in die Lage zu versetzen, datengetriebene Entscheidungen in Ihrer Organisation zu treffen und Machine Learning-Methoden effektiv auf reale Probleme anzuwenden.

Einführung in Maschinelles Lernen

• Überwachtes und unüberwachtes Lernen
• Der Workflow des Maschinellen Lernens

Datenvorverarbeitung

• Feature Scaling und Normalisierung
• Trainings- vs. Testdaten
• Encoding
• Praktische Übungen zur Datenvorverarbeitung

Daten-Modellierung mit Scikit-learn

• Konzept und Anwendung der linearen Regression
• Training eines linearen Regressionsmodells
• Modellbewertung und Interpretation der Ergebnisse

Modellbewertung, Validierung und Optimierung

• Modellbewertungsmetriken
• Cross-Validation
• Dimensionality Reduction

Klassifikation

• Einführung in logistische Regression für Klassifikationsaufgaben
• Konzept von Decision trees und Random Forest
• Modellaufbau und -bewertung
• Support Vector Machines (SVM)
• Klassifikationsmetriken

Unüberwachtes Lernen: Clustering

• Einführung in Clustering
• K-Means Clustering-Algorithmus

Deep Learning und Neuronale Netzwerke

• Architektur und Aufbau eines Neuronalen Netzwerks
• Anwendungsbeispiele: Bildverarbeitung, Sprachverarbeitung und Natural Language Processing (NLP)

Arbeiten mit TensorFlow

• Aufbau und Training von Modellen mit TensorFlow
• Erstellung und Optimierung von neuronalen Netzwerken mit TensorFlow