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
- Unterschied zwischen statistischem Lernen (statistische Analyse) und maschinellem Lernen
- Einführung der Technologie des maschinellen Lernens durch Finanz- und Bankunternehmen
Verschiedene Arten von Machine Learning
- Überwachtes Lernen vs. unüberwachtes Lernen
- Iteration und Bewertung
- Kompromiss zwischen Verzerrung und Varianz
- Kombination von überwachtem und unüberwachtem Lernen (semi-supervised learning)
Machine Learning Languages und Toolsets
- Open Source vs. proprietäre Systeme und Software
- R vs. Python vs. Matlab
- Bibliotheken und Frameworks
Machine Learning Fallstudien
- Verbraucherdaten und Big Data
- Risikobewertung bei Verbraucher- und Geschäftskrediten
- Verbesserung des Kundenservices durch Stimmungsanalyse
- Erkennung von Identitätsbetrug, Rechnungsbetrug und Geldwäsche
Einführung in R
- Installieren der RStudio IDE
- Laden von R-Paketen
- Datenstrukturen
- Vektoren
- Faktoren
- Listen
- Daten-Rahmen
- Matrixes und Arrays
Wie man Machine LearningDaten lädt
- Databases, Data Warehouses und Streaming-Daten
- Verteilte Speicherung und Verarbeitung mit Hadoop und Spark
- Importieren von Daten aus einer Datenbank
- Importieren von Daten aus Excel und CSV
Modellierung Business Entscheidungen mit überwachtem Lernen
- Klassifizierung Ihrer Daten (Klassifikation)
- Verwendung von Regressionsanalysen zur Vorhersage von Ergebnissen
- Auswahl aus verfügbaren Algorithmen für maschinelles Lernen
- Verständnis von Entscheidungsbaum-Algorithmen
- Verstehen von Random-Forest-Algorithmen
- Auswertung von Modellen
- Übung
Regressionsanalyse
- Lineare Regression
- Verallgemeinerungen und Nichtlinearität
- Übung
Klassifikation
- Bayessche Auffrischung
- Naiver Bayes
- Logistische Regression
- K-Nächste Nachbarn
- Übung
Praktische Übung: Aufbau eines Schätzungsmodells
- Bewertung des Kreditrisikos auf der Grundlage von Kundentyp und -historie
Bewertung der Leistung von Machine Learning Algorithmen
- Kreuzvalidierung und Resampling
- Bootstrap Aggregation (Bagging)
- Übung
Modellierung von Business Entscheidungen mit unüberwachtem Lernen
- Wenn keine Beispieldatensätze verfügbar sind
- K-means Clustering
- Herausforderungen des unüberwachten Lernens
- Jenseits von K-means
- Bayes-Netzwerke und versteckte Markov-Modelle
- Übung
Praktische Übung: Aufbau eines Empfehlungssystems
- Analyse des bisherigen Kundenverhaltens zur Verbesserung neuer Serviceangebote
Erweitern der Fähigkeiten Ihres Unternehmens
- Entwickeln von Modellen in der Cloud
- Beschleunigung des maschinellen Lernens mit zusätzlichen GPUs
- Anwendung von Deep Learning-Neuronalen Netzen für Computer Vision, Spracherkennung und Textanalyse
Schlussbemerkungen
Voraussetzungen
- Programming Erfahrung mit einer beliebigen Sprache
- Grundlegende Vertrautheit mit Statistik und linearer Algebra
28 Stunden