| Kursbeschreibung (description): |
Im Workshop AI220 Einführung in Machine Learning werden die Teilnehmer eine Reihe zentraler Techniken kennenlernen, die in jeder Datenanalyse Anwendung finden. Durch die Einführung wichtiger Grundbegriffe und Techniken anhand von aussagekräftigen Use Cases werden die Teilnehmer mit verschiedenen Bereichen des Machine Learnings in Berührung kommen, wie z.B. der Klassifikation, der Regression und der Vorhersage.
Lernen Sie, wie man in Daten verborgene Muster aufdeckt und präzise Vorhersagen trifft. Nutzen Sie innovative Techniken, die in vielen Branchen revolutionäre Fortschritte ermöglichen. Um diese Inhalte effizient und nachhaltig zu vermitteln, geht der Kurs dabei insbesondere auf die Nutzung etablierter Python-Bibliotheken wie z.B. pandas und scikit-learn ein.
|
|
| Zielgruppe (target group): |
|
|
| Voraussetzungen (requirements): |
|
|
|
| Ziele (objectives): |
Konzepte aus dem Machine Learning einordnen und grundlegende Techniken in realen Use Cases anwenden können.
|
|
| Preis und Dauer (price and duration): |
Dauer (duration): 1 Tag
Schulungslänge (course length): 04:30 Stunden (inkl. Pausen)
Preis (price): 450,- Euro zzgl. MwSt.
Gerne führen wir dieses Training auch inhouse bei Ihnen vor Ort durch, bitte sprechen Sie uns an.
Eine Druckansicht dieses Workshops finden Sie hier.
|
|
| Termine (dates): |
Termine auf Anfrage.
Falls Sie einen Terminwunsch für diesen Workshop haben, werden wir dies gerne für Sie prüfen!
|
|
|
| Inhalte (agenda): |
- Einführung in Machine Learning: Begriffe, Problembeschreibungen und Anwendungsfälle (Klassifikation, Regression, Vorhersage, etc.)
- Python-Tools für Machine Learning: Einführung in die Nutzung von Python-Paketen wie pandas und scikit-learn zur Implementierung von Machine Learning-Techniken
- Klassifikationstechniken: Einführung in verschiedene Klassifikationstechniken, wie z.B. Random Forests, kNN, etc., und deren Anwendung auf Use Cases
- Regressionstechniken: Einführung in verschiedene Regressionstechniken, wie z.B. Linear Regression, und deren Anwendung auf Use Cases
- Abschlussdiskussion: Erfahrungsaustausch und Diskussion wie sich das Gelernte im eigenen Kontext anwenden lässt
|
|
|
