Schulungsübersicht
Einführung in fortgeschrittene Machine-Learning-Modelle
- Übersicht komplexer Modelle: Random Forests, Gradient Boosting, Neuronale Netzwerke
- Wann man fortgeschrittene Modelle einsetzt: Best Practices und Anwendungsfälle
- Einführung in Ensemble-Learning-Techniken
Hyperparameter-Tuning und Optimierung
- Grid Search und Random Search Techniken
- Automatisierung des Hyperparameter-Tunings mit Google Colab
- Einsatz fortschrittlicher Optimierungstechniken (Bayesianische Optimierung, Genetische Algorithmen)
Neuronale Netzwerke und Deep Learning
- Aufbau und Training tiefer neuronaler Netze
- Transferlernen mit vortrainierten Modellen
- Optimierung von Deep-Learning-Modellen für die Leistung
Modellbereitstellung
- Einführung in Modellbereitstellungsstrategien
- Bereitstellung von Modellen in Cloud-Umgebungen mit Google Colab
- Echtzeit-Inferenz und Batch-Verarbeitung
Arbeit mit Google Colab für groß angelegtes Machine Learning
- Zusammenarbeit an Machine-Learning-Projekten in Colab
- Einsatz von Colab für verteiltes Training und GPU/TPU-Beschleunigung
- Integration mit Cloud-Services für skalierbares Modelltraining
Modellinterpretierbarkeit und Erklärbarkeit
- Erkundung von Techniken zur Modellinterpretierbarkeit (LIME, SHAP)
- Erklärbare KI für Deep-Learning-Modelle
- Umgang mit Bias und Fairness in Machine-Learning-Modellen
Praxisanwendungen und Fallstudien
- Einsatz fortgeschrittener Modelle im Gesundheitswesen, Finanzwesen und E-Commerce
- Fallstudien: Erfolgreiche Modellbereitstellungen
- Herausforderungen und Zukunftstrends im fortgeschrittenen Machine Learning
Zusammenfassung und nächste Schritte
Voraussetzungen
- Fundiertes Verständnis von Machine-Learning-Algorithmen und -Konzepten
- Gute Programmierkenntnisse in Python
- Erfahrung mit Jupyter Notebooks oder Google Colab
Zielgruppe
- Data Scientists
- Machine-Learning-Praktiker
- KI-Ingenieure
Erfahrungsberichte (2)
Erfahrungsaufbau im Bereich der Prompt-Wiederholung für Personen, die zuvor keine KI genutzt haben, sowie die Einführung alternativer Methoden der KI-Nutzung für bestehende Anwender.
Matthew Gay - Tarsus Pharmaceuticals
Kurs - Artificial Intelligence (AI) Overview
Maschinelle Übersetzung
Nach grundlegenden Prinzipien arbeiten und sich innerhalb desselben Tages auf die Anwendung von Fallstudien konzentrieren
Maggie Webb - Department of Jobs, Regions, and Precincts
Kurs - Artificial Neural Networks, Machine Learning, Deep Thinking
Maschinelle Übersetzung
