Einführung in Maschinelles Lernen mit Sklearn

• Maschinelles Lernen: Wir beginnen mit einer grundlegenden Einführung in die Begriffe und Konzepte des Maschinellen Lernens.

• Arten des Maschinellen Lernens: Du erhältst einen Überblick über die verschiedenen Arten des Maschinellen Lernens, einschließlich überwachtem und unüberwachtem Lernen, sowie den Methoden der Klassifikation und Regression.

• Arbeitsablauf eines Machine-Learning-Projektes: Wir stellen den typischen Ablauf eines Projekts von der Datensammlung bis zur Modellauswahl und Modellbewertung vor.

• Explorative Datenanalyse: Du erhältst einen ersten Überblick über Deine Daten und erkennst wichtige Zusammenhänge.

• Datenvorbereitung: Es werden typische Schritte von der Fehlwertbehandlung bis zur Standardisierung erläutert.

• Training: Du wirst mit dem Phänomen des Overfitting und den Methoden der Kreuzvalidierung und Regularisierung bekannt gemacht.

• Gütemaße: Du lernst, wie Du die Qualität eines erstellten Modells beurteilen kannst.

• Merkmalsauswahl: Der Einfluss der Auswahl der verwendeten Merkmale wird verdeutlicht und Strategien zur Merkmalsauswahl werden vorgestellt.

• Python-Frameworks: Begleitend führen wir Dich in Python-Frameworks für das Maschinelle Lernen ein, einschließlich Sklearn, Pandas und NumPy.

Dauer des Kurses: 2 Tage

Mit diesem Kurs legst Du ein solides Fundament für Deine weitere Beschäftigung mit dem Maschinellen Lernen und bist in der Lage, eigene Projekte in diesem Bereich zu starten.