Kontakt aufnehmen
 Dauer 28 Stunden

Schulungsübersicht

Einführung in das angewandte Machine Learning

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

Aufgesichertes und ungesichertes Lernen

  • Machine-Learning-Sprachen, Typen und Beispiele
  • Aufgesichertes vs. ungesichertes Lernen

Aufgesichertes Lernen

  • Entscheidungsbäume
  • Zufallswälder (Random Forests)
  • Modellbewertung

Machine Learning mit Python

  • Auswahl der Bibliotheken
  • Zusätzliche Werkzeuge

Regression

  • Lineare Regression
  • Allgemeinerungen und Nichtlinearität
  • Übungen

Klassifikation

  • Bayesianische Wiederholung
  • Naive Bayes
  • Logistische Regression
  • K-Next-Neighbors (KNN)
  • Übungen

Cross-Validation und Resampling

  • Ansätze der Kreuzvalidierung
  • Bootstrap
  • Übungen

Ungesichertes Lernen

  • K-Means-Clustering
  • Beispiele
  • Herausforderungen des ungesicherten Lernens und über K-Means hinaus

Künstliche neuronale Netze

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

Voraussetzungen

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

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Erfahrungsberichte (7)

Kommende Kurse

Verwandte Kategorien