Machine Learning Beratung
Machine Learning Beratung bei der Anwendung von speziellen Algorithmen um 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. Falls du Muster und Cluster in deinen Daten entdecken möchtest, dann sind die Methoden des Unsupervised Learnings anzuwenden, die so genannt werden, weil die Daten (noch) nicht durch ein lernendes Ziel „supervised“ sind. Gängige Verfahren die wir in unserer Machine Learning Beratung anwenden:
Aus dem Bereich Supervised Learning:
Feature extraction, lineare Regressionsmethoden, logistische Regression, Regularisation, Ridge, LASSO, LAR, Entscheidungsbäume, Random Forests, AdaBoost, Gradient Boosting, k-nearest-neighbor Klassifikation, Support Vector Machines, Neuronale Netze, Deep Learning, Modellauswahl und kostenbasierte Entscheidungen, Feature Importance, ROC und Lift Charts, predictive dependency plots, ICE plots, Scoring und Vorhersage usw.
Aus dem Bereich Unsupervised Learning:
Assoziationsanalyse, Warenkorbanalyse, Hauptkomponentenanalyse, Faktorenanalyse, Cluster Analyse usw.
Machine Learning für Time Series:
Feature extraction, Time Series Classification, Clustering, RNNs, LSTM usw.
Software
Die Machine Learning Beratung bieten wir wahlweise in Zusammenhang mit R (insbesondere unter der Anwendung des gängigen R-Paketes caret) oder mit Python (insbesondere unter der Anwendung des gängigen Python-Paketes scikit-learn) an. Mehr Infos zu R und Python finden Sie hier.
