Kontakt aufnehmen

Schulungsübersicht

Einführung in angewandtes Machine Learning

  • Statistisches Lernen vs. Machine Learning
  • Iteration und Evaluierung
  • Bias-Variance-Trade-off

Überwachtes Lernen und unüberwachtes Lernen

  • Machine-Learning-Sprachen, Typen und Beispiele
  • Überwachtes vs. unüberwachtes Lernen

Überwachtes Lernen

  • Entscheidungsbäume
  • Zufällige Wälder (Random Forests)
  • Modellbewertung

Machine Learning mit Python

  • Auswahl der Bibliotheken
  • Zusatzwerkzeuge

Regression

  • Lineare Regression
  • Verallgemeinerungen und Nichtlinearität
  • Übungen

Klassifikation

  • Wiederholung der Bayes-Regeln
  • Naive Bayes
  • Logistische Regression
  • K-Next-Nearest-Neighbors (KNN)
  • Übungen

Cross-Validation und Resampling

  • Cross-Validierung-Ansätze
  • Bootstrap
  • Übungen

Unüberwachtes Lernen

  • K-Means-Clustering
  • Beispiele
  • Herausforderungen des unüberwachten Lernens und Algorithmen jenseits von K-Means

Neuronale Netze

  • Schichten und Knoten
  • Python-Bibliotheken für neuronale Netze
  • Arbeiten mit scikit-learn
  • Arbeiten mit PyBrain
  • Deep Learning

Voraussetzungen

Kenntnisse der Programmiersprache Python. Grundlegende Vertrautheit mit Statistik und Lineare Algebra wird empfohlen.

 28 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Erfahrungsberichte (7)

Kommende Kurse

Verwandte Kategorien