Machine Learning mit Python – Für Einsteiger

 

Beschreibung: Machine Learning bedeutet die Anwendung von Algorithmen um aus Daten Wissen zu extrahieren und 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 Python-Paketes scikit-learn. Falls Sie Muster und Cluster in Ihren Daten entdecken möchten, dann lernen Sie die Methoden des Unsupervised Learnings, die so genannt werden, da die Daten (noch) nicht durch ein lernendes Ziel supervised sind. Um das alles zu erreichen, lernen Sie am ersten Tag die Grundlagen der wunderbaren, open-source Programmiersprache Python, indem Sie gängige Datenstrukturen und Pakete z.B. NumPy, Matplotlib und Pandas 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 Python für Datenanalyse / Data Science

  1. Die Python Programmiersprache (Operationen, Datentypen (Listen, Tuples, Strings, Dictionaries, Sets),  Execution control (Bedingungen, Loops), Funktionen und Pakete)
  2.  NumPy
  3. Matplotlib
  4. Pandas

2. Supervised Learning Verfahren mit Python (mit scikit-learn)

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

3. Unsupervised Learning Verfahren mit Python (mit scikit-learn und scipy)

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

Die Schulungen werden einmal im Quartal bei einer Teilnehmeranzahl von mindestens drei Personen angeboten. Der Preis für eine Schulung ist 899 EUR zzgl. MwSt. pro Person (für Studierende gelten andere Preise). Anmeldung per Kontaktformular.