Kontakt aufnehmen

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.

 28 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Erfahrungsberichte (7)

Kommende Kurse

Verwandte Kategorien