Schulungsübersicht

Einführung in angewandtes Machine Learning

  • Statistisches Lernen vs. Maschinelles Lernen
  • Iteration und Bewertung
  • Bias-Varianz-Abgleich

Überwachtes Lernen und unüberwachtes Lernen

  • Machine Learning Languages, Typen und Beispiele
  • Überwachtes vs. unüberwachtes Lernen

Überwachtes Lernen

  • Entscheidungsbäume
  • Random Forests
  • Modell-Auswertung

Machine Learning mit Python

  • Auswahl der Bibliotheken
  • Zusatz-Tools

Regression

  • Lineare Regression
  • Verallgemeinerungen und Nichtlinearität
  • Übungen

Klassifikation

  • Bayessche Auffrischung
  • Naiver Bayes
  • Logistische Regression
  • K-Nächste Nachbarn
  • Übungen

Kreuzvalidierung und Resampling

  • Ansätze zur Kreuzvalidierung
  • Bootstrap
  • Übungen

Unüberwachtes Lernen

  • K-Mittel-Clustering
  • Beispiele
  • Herausforderungen des unüberwachten Lernens und über K-means hinaus

Neuronale Netze

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

Voraussetzungen

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

  28 Stunden

Teilnehmerzahl



Preis je Teilnehmer

Erfahrungsberichte (2)

Kombinierte Kurse

Verwandte Kategorien