PDF
Machine-Learning-Modelle verstehen und Daten professionell auswerten
In diesem praxisnahen Seminar erlernen die Teilnehmer:innen die mathematischen Grundlagen und Methoden für Machine Learning. Aufbauend auf Python-Kenntnissen werden grundlegende ML-Algorithmen vermittelt, Daten analysiert und visualisiert sowie Modelle optimiert. Nach Abschluss können die Teilnehmenden einfache ML-Modelle eigenständig implementieren und Daten effektiv auswerten.
Ihre Vorteile auf einen Blick
- Solide mathematische Basis für Machine Learning aufbauen
- Daten mit Python, Pandas, Numpy, Matplotlib und Seaborn analysieren und visualisieren
- Klassische ML-Algorithmen anwenden und evaluieren
- Modelle optimieren und typische Fehler wie Overfitting vermeiden
- Praxisorientierte Übungen mit eigenen Datensätzen
- Schrittweise Umsetzung von ML-Workflows in Python
Seminarinhalte
Teil 1: Mathematische Grundlagen für Machine Learning
- Mathe Essentials: Lineare Algebra, Statistik (Mittelwert, Varianz, Korrelation), Wahrscheinlichkeiten
- Funktionen & Visualisierung: Datenanalyse und Visualisierung mit Pandas, Numpy, Matplotlib & Seaborn
Teil 2: Machine Learning Grundlagen
- Einführung in ML: Grundbegriffe, typische Einsatzbereiche
- Klassische ML-Algorithmen: K-Nearest Neighbors (KNN), lineare und polynomiale Regression, Entscheidungsbäume
- Modelloptimierung: Fehlerfunktionen, Overfitting und Underfitting erkennen und vermeiden
- Arbeiten mit scikit-learn: Pipelines erstellen, Modelle evaluieren, praktische Umsetzung
Hinweis
- Dieser Kurs ist der zweite Teil des 5-tägigen Seminars „Einführung in Python und Machine Learning“.
- Der Vorgängerkurs „Einführung in Python“ kann separat gebucht werden; im Paket ist er kostengünstiger.
Voraussetzungen
- Grundverständnis von Mathematik (Schulniveau)
- Python-Kenntnisse entsprechend dem Kurs „Einführung in Python“
- Eigenes Notebook mit installierter Python-Umgebung (Anleitung wird bereitgestellt)
Zielgruppe
- Technisch interessierte Berufstätige (Ingenieure, Analysten, Entwickler)
- Studierende technischer und naturwissenschaftlicher Fächer
- Quereinsteiger:innen im Bereich Data Science
- Alle, die Machine-Learning-Modelle verstehen, anwenden und Daten professionell auswerten möchten
