Machine Learning mit R – Für Einsteiger

 

Beschreibung: Machine Learning bedeutet die Anwendung von Algorithmen um aus Daten Wissen zu extrahieren und mit Hilfe von Computern und Robotern Vorhersagen für zukünftige Ereignisse zu treffen wie z.B. ist eine eingehende Mail Spam oder nicht? Ist die bildbasierte, medizinische Krebs-Diagnose positiv oder negativ? Wird Moody’s Long-Term Dept Rating A oder C sein? Unter Supervised Learning werden Techniken verstanden, um aus vorhandenen Daten zu lernen und Vorhersagen für neue Daten zu treffen. Sie lernen diese Techniken anzuwenden und zu optimieren, insbesondere unter der Anwendung des gängigen R-Paketes caret. Falls Sie Muster und Cluster in Ihren Daten entdecken möchten, dann lernen Sie die Methoden des Unsupervised Learnings anzuwenden, die so genannt werden, da die Daten (noch) nicht durch ein lernendes Ziel supervised
sind. Um das alles zu erreichen, bauen Sie am ersten Tag die Grundlagen der Programmiersprache R auf, indem Sie gängige Datenstrukturen z.B. Vektoren, Matrizen oder Data Frames bearbeiten. Dieser Schritt ist notwendig, um die Daten für Machine Learning vorzubereiten.

Voraussetzungen: Analytisches Denkvermögen. Kenntnisse einer anderen Programmiersprache
sind vorteilhaft.

Kursinhalt:

1. Einführung in R für Datenanalyse

  1. Die R Programmiersprache (R / R Studio, Datentypen und Objekte, Operationen, Execution control (if, else, loops), Funktionen)
  2. Einführung in tidyverse (readr, dplyr, ggplot2) u.a.
  3. Einführung in data.table

2. Supervised Learning Verfahren mit R

  1. Explorative Datenanalyse
  2. Klassifikation
  3. Regression
  4. Fine-tuning
  5. Datenaufbereitung

3. Unsupervised Learning Verfahren mit R

  1. Clustering
  2. Hierarchical clustering
  3. Hauptkomponentenanalyse und t-SNE
  4. Case studies

Anmeldung Kontaktformular.