Einführung in Machine Learning

Level:

Anfänger

Datum:

29.06 - 03.07.20


Dauer:

5 Tage

Termine

  • Argentinien (Buenos Aires): 18. Mai bis 22. Mai 2020
  • Estland (Tallinn): 15. Juni bis 19. Juni 2020
  • Polen (Warschau): 22. Juni bis 26. Juni 2020
  • Österreich (Wiener Neustadt): 29. Juni bis 03. Juli 2020
  • Südafrika (Kapstadt): 06. Juli bis 10. Juli 2020
  • Südafrika (Johannesburg): 13. Juli bis 17. Juli 2020

Kursbeschreibung

Dieser Kurs richtet sich an technische Analysten oder mittlere Führungskräfte, die erste Schritte im Machine Learning machen möchten.

Inhalt des Kurses sind sowohl die theoretische Erklärung der Inhalte als auch praktische Aktivitäten. Ein besonderer Schwerpunkt liegt auf dem letzten Teil (60-65% des Kurses). Das Hauptziel besteht darin, dass die Teilnehmer mit „echten“ Problemen konfrontiert werden, die damit zusammenhängenden Herausforderungen erfahren und in diesem Prozess unter Anleitung des Dozenten zu einer Lösung kommen.

Zielgruppe

Analysten/Techincal Manager mit mindestens einem Jahr Programmiererfahrung (idealerweise auch Erfahrung in Python)

Überblick über den Kurs

Tag 1:

Was ist Machine Learning? Einführung und Hauptkonzepte

Über Python/Jupyter

Übersicht über die wichtigsten zu verwendenden Python-Bibliotheken

Sondierende Datenanalyse: Theorie

Sondierende Datenanalyse: Praxis

 

Tag 2:

Supervised Learning: Einführung und Hauptkonzepte

  • Erläuterung des Trainingsprozesses: Traning/Validierung/Test
  • Regression vs. Klassifikation
  • Minimierung der Verlustfunktion. Beispiel-Algorithmen
  • Performance Evaluation
  • Schritte zur erfolgreichen Modellierung

Regression

 

Tag 3:

Klassifikation

  • Klassifikations-Algorithmen
  • Ensemble-Algorithmen
  • Performance Evaluation

 

Tag 4:

Unsupervised Learning

  • Unsupervised-Algorithmen
  • Ensemble-Algorithmen
  • Performance Evaluation

From Lab to Prod: Herausforderungen und typische Probleme

Die Bedeutung von distributed computing in Machine Learning

 

Tag 5:

Einführung in Neuronale Netze

  • Definition
  • Hauptkonzepte
  • Activation Functions
  • NN training Prozess
  • Transfer-Lernen
  • Hyperparameter-Abstimmung

Deep Learning: Was ist das und wo wird es angewendet?

Machine Learning in meiner Organisation: Wie kann ML in meiner eigenen Organisation mit den Problemen, mit denen ich konfrontiert bin, umgesetzt werden?

Zusammenfassung, Fragen, Vorschläge usw.