Advanced Analytics with RapidMiner Schulung

RapidMiner ist eine Open Source Data Science-Softwareplattform für die schnelle Erstellung und Entwicklung von Anwendungsprototypen. Es enthält eine integrierte Umgebung für Datenaufbereitung, maschinelles Lernen, vertieftes Lernen, Text Mining und Predictive Analytics.

In diesem von Lehrern geführten Live-Training lernen die Teilnehmer, wie RapidMiner Studio für die Datenaufbereitung, das maschinelle Lernen und die Bereitstellung von Vorhersagemodellen verwendet wird.

Am Ende dieser Schulung können die Teilnehmer:

• Installieren und konfigurieren Sie RapidMiner
• Daten mit RapidMiner aufbereiten und visualisieren
• Validieren Sie Modelle für maschinelles Lernen
• Mashup-Daten und Erstellung von Vorhersagemodellen
• Operationalisieren Sie Predictive Analytics innerhalb eines Geschäftsprozesses
• Problembehandlung und Optimierung von RapidMiner

Publikum

• Datenwissenschaftler
• Ingenieure
• Entwickler

Format des Kurses

• Teilvorlesung, Teildiskussion, Übungen und viel praktisches Üben

Hinweis

• Um ein individuelles Training für diesen Kurs anzufordern, kontaktieren Sie uns bitte, um dies zu arrangieren.

Wie sehen die Städte der Zukunft aus? Wie kann Artificial Intelligence (AI) zur Verbesserung der Stadtplanung eingesetzt werden? Wie kann KI genutzt werden, um Städte effizienter, lebenswerter, sicherer und umweltfreundlicher zu machen?

In diesem von Lehrern geleiteten Live-Training (vor Ort oder per Fernzugriff) untersuchen wir die verschiedenen Technologien, aus denen KI besteht, sowie die Fähigkeiten und mentalen Rahmenbedingungen, die erforderlich sind, um sie für die Stadtplanung zu verwenden. Wir behandeln auch Tools und Ansätze zum Sammeln und Organisieren relevanter Daten zur Verwendung in der KI, einschließlich Data Mining.

Publikum

• Stadtplaner
• Architekten
• Entwickler
• Transportbeamte

Format des Kurses

• Teilvorlesung, Teildiskussion und eine Reihe interaktiver Übungen.

Hinweis

• Um ein individuelles Training für diesen Kurs anzufordern, kontaktieren Sie uns bitte, um dies zu arrangieren.

AI ist eine Sammlung von Technologien zum Aufbau intelligenter Systeme, die in der Lage sind, Daten und die damit verbundenen Aktivitäten zu verstehen, um "intelligente Entscheidungen" zu treffen. Für Telekommunikationsanbieter könnte die Erstellung von Anwendungen und Diensten, die AI verwenden, die Tür für einen verbesserten Betrieb und Service in Bereichen wie Wartung und Netzwerkoptimierung öffnen.

In diesem Kurs untersuchen wir die verschiedenen Technologien, aus denen AI besteht, und die Fähigkeiten, die erforderlich sind, um sie einzusetzen. Während des gesamten Kurses untersuchen wir die spezifischen Anwendungen von AI in der Telekommunikationsbranche.

Publikum

• Netzwerktechniker
• Personal für Netzwerkoperationen
• Technische Manager für Telekommunikation

Format des Kurses

• Teilvorlesung, Teildiskussion, praktische Übungen

Dieser Kurs richtet sich an Manager, Lösungsarchitekten, Innovationsbeauftragte, CTOs, Softwarearchitekten und alle, die sich für einen Überblick über angewandte künstliche Intelligenz und die nächsten Prognosen für ihre Entwicklung interessieren.

Die lineare Algebra ist ein Zweig der Mathematik, der sich mit Vektoren, Matrizen und linearen Transformationen befasst. Kenntnisse der linearen Algebra helfen Ingenieuren und Entwicklern, ihre Fähigkeiten zum maschinellen Lernen zu verbessern. Durch das Verstehen von Konzepten der linearen Algebra können sie die Prinzipien hinter maschinellen Lerntechniken besser verstehen und so Probleme schneller lösen.

In diesem von Lehrern geführten Live-Training lernen die Teilnehmer die Grundlagen der linearen Algebra kennen, während sie die Lösung eines maschinellen Lernproblems mit linearen Algebra-Methoden durchführen.

Am Ende dieser Schulung können die Teilnehmer:

• Grundlegende Konzepte der linearen Algebra verstehen
• Erlernen Sie die für maschinelles Lernen erforderlichen Fähigkeiten der linearen Algebra
• Verwenden Sie lineare Algebra-Strukturen und -Konzepte, wenn Sie mit Daten, Bildern, Algorithmen usw. arbeiten.
• Lösen Sie ein maschinelles Lernproblem mit linearer Algebra

Publikum

• Entwickler
• Ingenieure

Format des Kurses

• Teilvorlesung, Teildiskussion, Übungen und viel praktisches Üben

Hinweis

• Um ein individuelles Training für diesen Kurs anzufordern, kontaktieren Sie uns bitte, um dies zu arrangieren.

Diese von einem Trainer geleitete Live-Schulung (online oder vor Ort) richtet sich an Ingenieure, die die Drag-and-Drop-Plattform von Azure ML nutzen möchten, um Machine Learning Workloads zu implementieren, ohne Software und Hardware kaufen zu müssen und ohne sich um Wartung und Bereitstellung kümmern zu müssen.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• Schreiben Sie hochpräzise Machine-Learning-Modelle mit Python, R oder Zero-Code-Tools.
• Nutzen Sie die verfügbaren Datensätze und Algorithmen von Azure, um Modelle für maschinelles Lernen und Deep-Learning zu trainieren und zu verfolgen.
• Nutzen Sie Azures interaktiven Arbeitsbereich, um gemeinsam ML-Modelle zu entwickeln.
• Wählen Sie aus verschiedenen von Azure unterstützten ML-Frameworks wie PyTorch, TensorFlow und scikit-learn.

Das künstliche neuronale Netz ist ein Computerdatenmodell, das bei der Entwicklung von Artificial Intelligence (AI) Systemen Artificial Intelligence (AI) verwendet wird, die "intelligente" Aufgaben ausführen können. Neural Networks werden häufig in ML-Anwendungen ( Machine Learning ) verwendet, bei denen es sich um eine Implementierung von AI handelt. Deep Learning ist eine Teilmenge von ML.

Dies ist ein 4-tägiger Kurs zur Einführung in die KI und ihre Anwendung. Es besteht die Möglichkeit, nach Abschluss dieses Kurses einen zusätzlichen Tag für die Durchführung eines KI-Projekts einzuplanen.

Dies ist ein 4-Tage-Kurs, mit dem AI und seine Anwendung mit der Programmiersprache eingeführt werden. Es gibt eine Option, einen zusätzlichen Tag zu haben, um ein AI-Projekt zu unternehmen, um diesen Kurs zu beenden. 

Der Übungskurs ist für alle diejenigen gedacht, die "Machine Learning" in praktischen Applikationen anwenden möchten

Teilnehmer

Dieser Kurs ist für Data Scientists und Statistiker, die Grundkenntnisse in Statistik haben und wissen, wie man R programmiert. Der Schwerpunkt des Kurses liegt auf dem praktischen Aspekt von Daten/Modell-Vorbereitung, Execution, post hoc Analyse und Visualisierung.

Das Ziel ist es, den Teilnehmern praktische Kenntnisse im Maschinellen Lernen  zu vermitteln. 

Bereichsspezifische Beispiele erhöhen die Relevanz der Schulung für die Teilnehmer. 

Diese von einem Trainer geleitete Live-Schulung (online oder vor Ort) richtet sich an Datenwissenschaftler und Entwickler, die Modelle für maschinelles Lernen erstellen und trainieren möchten, um sie in produktionsbereiten Hosting-Umgebungen einzusetzen.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• Notebook-Instanzen verwenden, um Daten für das Training vorzubereiten und hochzuladen.
• Trainieren Sie Modelle für maschinelles Lernen mit Trainingsdatensätzen.
• Trainierte Modelle an einem Endpunkt bereitstellen, um Vorhersagen zu erstellen.

Diese von einem Trainer geleitete Live-Schulung (online oder vor Ort) richtet sich an Datenwissenschaftler, die mit Azure Machine Learning durchgängige maschinelle Lernmodelle für Vorhersageanalysen erstellen möchten.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• Erstellen Sie Modelle für maschinelles Lernen ohne Programmierkenntnisse.
• Erstellen Sie prädiktive Algorithmen mit Azure Machine Learning.
• Bereitstellung produktionsreifer Algorithmen für maschinelles Lernen.

Dieser Kurs ist eine Kombination aus Theorie und praktischer Arbeit mit konkreten Beispielen, die während der gesamten Veranstaltung verwendet werden.

Diese Live-Schulung unter Anleitung (online oder vor Ort) richtet sich an Webentwickler, die Modelle für maschinelles Lernen mit Core ML für die Entwicklung von iOS 11 und macOS High Sierra erstellen möchten.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• Erstellung von KI-gesteuerten Anwendungen, die maschinelles Lernen nutzen.
• Implementieren Sie Modelle für maschinelles Lernen, die Bilder klassifizieren.
• Nutzen Sie die Core ML API zur Unterstützung benutzerdefinierter Workflows und erweiterter Anwendungsfälle
• Natürlichsprachliche Texte mit maschinellen Lernmodellen analysieren.