Machine Learning mit Python

Datum/Zeit
Do, 23. Mai 2019–Sa, 25. Mai 2019
Uhrzeit: 9:00–17:00

Ort
Hotel Schweizer Hof, Kassel

Kategorie
Sprache
Deutsch

Beschreibung

In diesem Training lernen Sie den Umgang mit den zentralen Machine Learning Verfahren in Python kennen und in Klassifikations- und Regressionsszenarien einzusetzen. Jedes der besprochenen Verfahren wird in dem Training zunächst theoretisch eingeleitet, anschließend in Python umgesetzt und schließlich in einer kleinen Übung durch die Teilnehmer ausprobiert. Inhaltliche Fragestellungen die aufgrund von Beispieldatensätzen formuliert werden, dienen dem Kurs als roter Faden durch die Verfahren.

Neben den Algorithmen versucht das Training einen Eindruck von Machine Learning Prozessen zu vermitteln. D.h., es wird aufgezeigt, welche Schritte notwendig sind um einen Machine Learning Task zu lösen und wie diese konkret umgesetzt werden.

Wer sollte teilnehmen?

Data Scientists, Datenanalysten, Statistiker, Mathematiker, Researcher

Grundlegende Programmiererfahrung in Python sollte vorhanden sein.

Lernziele

  • Einführung in die methodischen Grundlagen des Machine Learnings
  • Einführung in grundlegenden Techniken des Machine Learnings mit Python
  • Eigene Prognoseprobleme mit Python lösen

Inhalte

  • Grundlagen des Machine Learnings / Data Minings
    • Überblick über Modelle und Methoden, Über das Problem der Prognose
    • Supervised vs. Unsupervised Learning
  • Overfitting, Underfitting und Parametertuning – Techniken der Modellerstellung
    • Grundproblem, einfache Kreuzvalidierung, 3 Fold-Technik, k-Fold-Validierung
  • Klassifikationsverfahren
    • Entscheidungsbäume, Random Forest, Gradient Boosting Machines, Neuronale Netze
    • Evaluation von Klassifikationsverfahren (ROC-Kurven, Cutoff-Wert, Präzision, Sensitivität, Spezifität)
  • Regressionsprobleme
    • Lineare Regression, Regression Trees,  Random Forest, Neuronale Netze, regularisierte Regressionen (Ridge Regression, Lasso Regression, Elastic Net), Polynome Regression
    • Evaluation von Regressionsproblemen
  • Clusteranalysen
    • k-Nearest Neighbors, k-Means, Agglomerative Clusteranalyse

Shortfacts

  • Preis: 1.400,- € zzgl. MwSt.
  • Dauer: 2 Tage
  • 2–10 Teilnehmer
  • Kurssprache: Deutsch
  • Training am eigenen Laptop (Softwarevoraussetzungen und Installationsanleitung erhalten Sie im Vorfeld)

Was Sie erwartet

  • Teilnehmerzertifikat
  • Umfassende Schulungsunterlagen
  • Verpflegung mit Mittagessen, Snacks und Getränken
  • Top ausgestattete Schulungsräume
  • Angenehme Lernatmosphäre durch kleine Gruppen und aufgelockerte Inhalte
  • Hands-On-Training: Praxisorientiert mit anschaulichen Beispieldaten und kleinen Übungen

Buchung

Training bei Data-Science-Architect

  • Erhalt der Buchungsbestätigung
  • Anfahrtsplan + Hotelempfehlungen
  • Ich frage im Vorfeld alle Teilnehmenden nach Ihrer Erwartung an das Training. Wenn Sie möchten, können Sie mir im Vorfeld dazu Feedback geben.
  • Ankündigung mit Kursbeschreibung, Softwarevoraussetzung, Installationsanleitung, Timetable & optionaler Möglichkeit zur Vorbereitung
  • Bereitstellung der Kursmaterialien
  • Pro Tag 8×45 Min. Lerneinheiten
  • 30 Min. Open Space pro Tag im Anschluss an die Lerneinheiten
  • An das Kursthema angepasstes Verhältnis von Theorie, Praxis und Übungsphasen
  • Event Evaluation
  • Bereitstellung der im Training erstellten Materialien

Buchungsdetails

  • Der 3. Teilnehmer einer Anmeldung nimmt kostenfrei teil
  • Rechnungsstellung erfolgt nach der Veranstaltung

Der Schulungsort Kassel

Kassel

Data Science im Herzen Deutschlands und direkt am Fuß des Weltkulturerbes Park Wilhemlshöhe. Die Trainingsräume befinden sich im Hotel Schweizer Hof und können Fußläufig vom Fernbahnhof Wilhelmshöhe erreicht werden. Nach dem Training schaffen Sie es sicher noch, den Herkules zu besichtigen!