Schulungsübersicht

    Einführung in ML Maschinelles Lernen als Teil der künstlichen Intelligenz Arten von ML ML-Algorithmen Herausforderungen und mögliche Verwendung von ML Überanpassung und Bias-Varianz-Kompromiss in ML Techniken des maschinellen Lernens Der Arbeitsablauf für maschinelles Lernen Überwachtes Lernen – Klassifizierung, Regression Unüberwachtes Lernen – Clustering, Anomalieerkennung, halbüberwachtes Lernen und Reinforcement Learning Berücksichtigung beim maschinellen Lernen, Datenvorverarbeitung, Datenvorbereitung und -transformation, Feature-Engineering, Feature-Skalierung, Dimensionsreduktion und Variablenauswahl, Datenvisualisierung, explorative Analyse, Fallstudien, erweiterte Feature-Engineering und Auswirkungen auf Ergebnisse in der linearen Regression für die Vorhersage, Zeitreihenanalyse und Prognose des monatlichen Umsatzvolumens – grundlegende Methoden, Saisonbereinigung, Regression, exponentielle Glättung, ARIMA, neuronale Netze. Warenkorbanalyse und Mining von Assoziationsregeln. Segmentierungsanalyse mithilfe von Clustering und selbstorganisierenden Karten. Klassifizierung, welcher Kunde wahrscheinlich ausfallen wird, mithilfe logistischer Regression, Entscheidung Bäume, xgboost, svm

 

Voraussetzungen

Kenntnis und Bewusstsein für Machine Learning Grundlagen

  14 Stunden
 

Teilnehmerzahl


Beginnt

Endet


Die Termine sind abhängig von der Verfügbarkeit und finden zwischen 09:30 und 16:30 statt.
Offene Schulungskurse erfordern mindestens 5 Teilnehmer.

Kombinierte Kurse

Verwandte Kategorien