kursfinder.de anzeigen als: Mobil

Inspirationen, Tipps und Tricks rund ums Thema Karriere und Weiterbildung finden Sie in unserem Ratgeber

Supervised & Unsupervised Machine Learning

bitkom akademie
Starttermine
Berlin
1.844,50 EUR
23.09.2021

Stuttgart
1.844,50 EUR
02.12.2021

Beschreibung

Supervised & Unsupervised Machine Learning 

Machine Learning-Algorithmen in Python mit scikit-learn

Machine Learning-Algorithmen sind ein elementares Element von Künstlicher Intelligenz und somit zu einem Erfolgsfaktor im Zeitalter der Digitalisierung avanciert. Im Bereich Machine Learning (ML) unterscheidet man zwischen überwachtem Lernen (supervised) und unüberwachtem Lernen (unsupervised). Supervised Learning beschreibt die Fähigkeit einer künstlichen Intelligenz, eigenständig Gesetzmäßigkeiten nachzubilden (z.B. durch Erlernen von Parametern in einem Algorithmus). Unsupervised Learning bedeutet hingegen, dass keine Zielwerte bekannt sind und der Algorithmus versucht, bestimmte Muster zu erkennen. 

Die Programmiersprache Python ist im Bereich Machine Learning (und auch Deep Learning) weit genutzt und bietet die Bibliothek scikit-learn, in welcher zahlreiche Machine Learning-Algorithmen enthalten sind. Python eignet sich somit optimal für die Umsetzung praxisnaher ML-Vorhaben.

Möchten Sie mehr über diese Weiterbildung erfahren?

Inhalte / Module

Der Fokus liegt auf dem Python Paket scikit-learn und zusätzlich dem Paket statsmodels. Die Konzepte verschiedener Machine Learning-Algorithmen aus dem supervised und unsupervised learning werden behandelt und deren Umsetzung in Python erörtert. Konzepte des Train-Test-Split bzw. der Cross Validation zur Vermeidung von overfitting und die Interpretation der wichtigsten scores zur Bestimmung der Algorithmusgüte sind dabei Bestandteil wie auch die Hyperparametersuche. Konkrete Inhalte sind:

  • Einführung in Machine Learning
  • Supervised vs. unsupervised learning
  • Vermeidung von overfitting
  • Lineare Regression, Entscheidungsbaum, Logistische Regression, Ensemble Methods, Clustering, Hyperparameter Tuning, 
  • Umsetzung von Algorithmen in scikit-learn
  • Interpretation der Ergebnisse

Dieses Seminar ist sehr praxisorientiert. Die Teilnehmer arbeiten direkt und selbstständig mit der Programmiersprache Python in der Entwicklungsumgebung Spyder, so dass das Erlernte direkt geübt und vertieft werden kann. Der Trainer moderiert dabei verschiedene Aufgaben und begleitet die Teilnehmer durch die einzelnen Lehreinheiten.

Nutzen & Mehrwert

  • Sie erhalten einen konkreten Einblick in die Konzepte verschiedener Machine Learning-Algorithmen aus dem supervised und unsupervised Machine Learning.
  • Sie arbeiten praktisch mit der Programmiersprache Python (scikit-learn, statsmodels) und verschiedenen Algorithmen und erwerben fundierte Kenntnisse zu Themen wie dem Vermeiden von overfitting, lineare Regressionsmodelle, Entscheidungsbäumen, Logistische Regressionen, Ensemble Methods, Clustering usw. 
  • Sie sind anschließend in der Lage, eigenständig eigene Machine-Learning Projekte zu planen, umzusetzen und in einen praxisbezogen Kontext zu übertragen. 

Aufbau & Organisation

Seminarprogramm | Tag 1

  • 09:00 Begrüßung durch den Seminarleiter
    • Vorstellungsrunde & Erwartungshaltung der Teilnehmer
  • Überblick über Machine Learning
    • Einführung in Machine Learning
    • Unterschied Supervised – Unsupervised Learning (überwachtes – unüberwachtes Lernen)
    • Overfitting, Train-Test-Split
  • Lineare Regression
    • Einführung in den Algorithmus
    • Aufteilung der Daten in Train und Test Daten
    • Ein lineares Regressionsmodel in Python umsetzen
    • Ergebnisse validieren
  • Mittagspause
  • Entscheidungsbaum
    • Einführung in den Algorithmus
    • Aufteilung der Daten in Train und Test Daten
    • Einen Entscheidungsbaum in Python umsetzen
    • Hyperparameter anpassen
    • Ergebnisse validieren (confusion matrix, accuracy)
  • Logistische Regression (mit statsmodels)
    • Einführung in den Algorithmus (von linearer zur logistischen Regreesion)
    • Aufteilung der Daten in Train und Test Daten
    • Logistische Regression in Python umsetzen
    • Hyperparameter anpassen
    • Ergebnisse und Modell validieren (AIC, BIC, confusion matrix)
    • Interpretation der Koeffizienten (odds-ratio)
    • ROC Curve und AUC
  • 17:00 Ende des ersten Seminartages

Seminarprogramm | Tag 2

  • 09:00 Begrüßung durch den Seminarleiter und Rückblick auf Tag 1
    • Random Forest zur Klassifizierung und Regression
    • Ada Boost
    • Die Algorithmen in Python umsetzen und Ergebnisse validieren
  • Ensemble Methods
    • Random Forest zur Klassifizierung und Regression
    • Ada Boost
    • Die Algorithmen in Python umsetzen und Ergebnisse validieren
  • Weitere bekannte Algorithmen
    • Support Vector Machine (SVM) zur Klassifizierung und Regression
    • Neuronales Netz
    • Die Algorithmen in Python umsetzen und Ergebnisse validieren
  • Mittagspause
  • Cross-Validation und Hyperparamater Tuning
    • Automatisierte Anpassen von Hyperparametern in den Algorithmen
    • Cross-Validation (Kreuzvalidierung)
    • Erklärung der Konzepte und Umsetzung in sklearn
  • Clustering
    • Grundlagen von K-means Clustering und DBSCAN
    • Güte eines Cluster-Ergebnisses bestimmen
    • Vergleich von Cluster-Ergebnissen verschiedener Algorithmen
  • 17:00 Ende des Seminars

Förderung

Die Bitkom Akademie ist anerkannter Bildungsträger in Baden-Württemberg und Nordrhein-Westfalen. Teilnehmer haben im Rahmen des Bildungszeitgesetzes die Möglichkeit, Bildungsurlaub bzw. eine Bildungsfreistellung zu beantragen. Auf Anfrage erstellen wir auch Anträge auf Anerkennung unserer Veranstaltungen in anderen Bundesländern.

Bund und Ländern fördern Weiterbildungen mit bis zu 17.000 Euro. Mehr erfahren Sie auf der Webseite der Bitkom Akademie - sprechen Sie uns an!

Zielgruppe / Voraussetzungen

Das Seminar richtet sich an Data Scientists, Datenanalysten, angehende Machine Learning engineers o.ä. mit erster Erfahrung in der Programmierung in Python. Das Seminar findet im Anschluss an das Bitkom Seminar „Data Science mit Python“ statt, welches die grundlegenden Vorkenntnisse vermittelt. Beide Seminare bauen aufeinander auf, können jedoch unabhängig voneinander gebucht werden.

Notwendig ist, dass Teilnehmer mit Python Daten einlesen können, die Datenstruktur DataFrame aus dem Paket pandas kennen, eigene Funktionen schreiben können und das Konzept der Algorithmen Lineare Regression bzw. Entscheidungsbaum kennen.

Notwendig sind grundlegende Vorkenntnisse im Bereich der Statistik (Begriffsdefinitionen wie bspw. Mittelwert, Median, Standardabweichung, Quantil, Dichtefunktion, Normalverteilung), Kenntnisse grundlegender mathematischer Symbole und Begriff (Summenzeichen, Integral, Funktion, Ableitung, Menge der natürlichen und reellen Zahlen, Vektor, Matrix) und Kenntnis der booleschen Algebra mit den logischen Operatoren (UND, ODER, NICHT).

Infos anfordern

Kontaktieren Sie hier den Anbieter, um mehr über das Kursangebot Supervised & Unsupervised Machine Learning zu erfahren!

  Sie erhalten weitere Infos

  Unverbindlich

  Kostenfrei

Kontaktinformation bitkom akademie

bitkom akademie

Albrechtstraße 10
10117 Berlin

 Telefonnummer anzeigen
www.bitkom-akademie.de

bitkom akademie

Die Bitkom Akademie wurde 2005 gegründet und ist einer der führenden Anbieter von Weiterbildungen im Bereich IT und digitalen Trends in Deutschland. Die Akademie führt jährlich ca. 350 Veranstaltungen mit mehr als 20.000 Teilnehmern durch. Ihr breitgefächertes Angebot umfasst neben...


Erfahren Sie mehr über bitkom akademie und weitere Kurse des Anbieters.
Benutzerlogin
Bewertungen

Schreiben Sie die erste Bewertung!

Bewertungsrichtlinien

Ihr Feedback und Ihre Bewertungen helfen anderen Weiterbildungsinteressierten und -anbietern, sich einen ersten Eindruck zu verschaffen und sich stetig zu verbessern. Wie auch in der mündlichen Kommunikation gewisse Regeln wichtig sind, gelten für Teilnehmerstimmen auf kursfinder.de folgende Bewertungsrichtlinien.

Unsere Bewertungsrichtlinien

Informationsanfrage

Um Informationen von dem Anbieter zu ”Supervised & Unsupervised Machine Learning” anzufordern, füllen Sie bitte die Felder unten aus:

Das könnte Sie auch interessieren

Weiterbildung für kluge Köpfe – unsere Live Online-Webinare im Herbst

WiSo Führungskräfte-Akademie

Das bunte Programm an Online-Webinaren ermöglicht es Ihnen von zuhause aus Ihre Karriere voran zu treiben. Nutzen Sie unseren 10%-Rabatt auf die Lehrgangsgebühr bei einer Anmeldung über kursfinder.

>> Weiterlesen