Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Schulungsübersicht
Einführung in das maschinelle Lernen im Business
- Das maschinelle Lernen als Kernkomponente der Künstlichen Intelligenz
- Arten des maschinellen Lernens: überwacht, unüberwacht, reinforcement learning, semi-überwacht
- Häufig verwendete ML-Algorithmen in Businessanwendungen
- Herausforderungen, Risiken und potenzielle Anwendungsfelder des maschinellen Lernens in der KI
- Überanpassung und der Bias-Variance-Tradeoff
Maschinelles Lernen: Techniken und Workflow
- Der Lebenszyklus des maschinellen Lernens: von Problemstellung bis zur Implementierung
- Klassifikation, Regression, Clustering, Anomalieerkennung
- Wann überwachtes vs. unüberwachtes Lernen angewendet werden sollte
- Verständnis des reinforcement learnings in der Business-Automatisierung
- Berücksichtigungen bei decisions basierend auf maschinellem Lernen
Datenvorbereitung und Feature Engineering
- Datenvorbereitung: Laden, Reinigen, Transformieren
- Feature Engineering: Encoding, Transformation, Erstellung
- Featureskalierung: Normalisierung, Standardisierung
- Dimensionsreduktion: PCA, Variablenselektion
- Explorative Datenanalyse und Business-Datendarstellung
Fallstudien zu Businessanwendungen
- Fortgeschrittene Feature Engineering für verbesserte Vorhersagen mit linearer Regression
- Zeitreihenanalyse und Prognose des monatlichen Verkaufsvolumens: Saisonale Anpassung, Regression, exponentielles Glätten, ARIMA, neuronale Netze
- Segmentierungsanalyse mithilfe von Clustering und self-organizing maps
- Market-Basket-Analyse und Association Rule Mining für Einzelhandels-Einblicke
- Kundendefault-Klassifikation mit logistischer Regression, Entscheidungsbaum, XGBoost, SVM
Zusammenfassung und weitere Schritte
Voraussetzungen
- Grundverständnis von Konzepten und Terminologie des maschinellen Lernens
- Erfahrung mit Datenanalyse oder der Arbeit mit Datensätzen
- Vorerfahrungen mit einer Programmiersprache (z. B. Python) sind nützlich, aber nicht erforderlich
Zielgruppe
- Geschäftsanalysten und Datenprofessionals
- Entscheidungsträger, die sich für die Nutzung von KI interessieren
- IT-Professionals, die sich mit maschinellen Lernanwendungen in Unternehmen befassen
14 Stunden
Erfahrungsberichte (2)
das ML-Ökosystem nicht nur MLflow, sondern auch Optuna, Hyperopt, Docker und Docker Compose
Guillaume GAUTIER - OLEA MEDICAL
Kurs - MLflow
Maschinelle Übersetzung
Ich habe es genossen, an der Kubeflow-Schulung teilzunehmen, die fernmündlich durchgeführt wurde. Diese Schulung ermöglichte mir, mein Wissen zu AWS-Diensten, K8s und allen devOps-Tools um Kubeflow herum zu vertiefen, was die notwendigen Grundlagen sind, um das Thema angemessen anzugehen. Ich möchte mich bei Malawski Marcin für seine Geduld und Professionalität bei der Schulung sowie für seine Ratschläge zur Best Practice bedanken. Malawski behandelt das Thema aus verschiedenen Perspektiven und nutzt verschiedene Bereitstellungstools wie Ansible, EKS kubectl und Terraform. Nun bin ich definitiv davon überzeugt, dass ich mich in dem richtigen Anwendungsbereich befinde.
Guillaume Gautier - OLEA MEDICAL | Improved diagnosis for life TM
Kurs - Kubeflow
Maschinelle Übersetzung
