#SuperviseTheMachines
Machine Learning avanciert zum elementaren Wertschöpfungs- und Erfolgsfaktor der Digitalisierung. Dieses eintägige Seminar vermittelt einen Überblick über die Möglichkeiten, Methoden und Einsatzgebiete von Machine Learning. Im Fokus dieser Einsteigerschulung steht der Bereich Supervised Learning. Zu den Themen gehören dabei klassische Supervised Learning Methoden zur Klassifikation und Regression (von linearen Verfahren über Nächste-Nachbarn und Bayes Klassifikatoren hin zu Entscheidungsbäumen und baumbasierten Ensembleverfahren) ebensowie neuronale Netze und Deep Learning.
Dabei werden nicht nur die technischen Seiten der Methoden, sondern auch die jeweiligen Vor-und Nachteile erläutert sowie beispielhafte Anwendungsfälle aufgezeigt. Die Theorie wird anhand von praktischen Übungen in Python in die Praxis überführt.
Nach Absolvieren der Schulung sind die Teilnehmer mit modernen Supervised Machine Learning Ansätzen vertraut, in der Lage deren Vor- und Nachteile abzuwägen und kennen führende Open Source Software für die Umsetzung in der Praxis.
Unsere erfahrenen Dozenten verfügen über mehrjährige Berufserfahrung in verschiedenen Branchen. Dadurch gewähren wir einen hohen Praxisbezug unserer Schulungen und Trainings.
Die wichtigsten Inhalte der Supervised Machine Learning Schulung
- Einführung zu Machine Learning und warum wir es brauchen: descriptive analytics vs. predictive analytics
- Einordnung von Machine Learning in den Business Kontext: Anwendungsbeispiele
- Klärung der wichtigsten Grundbegriffe und Definition der Problemstellungen beim Supervised Learning
- Bayes Klassifikatoren
- Hauptprinzip von Bayes Klassifikatoren (Satz von Bayes, Baye’sche Entscheidungsregel)
- Beispiel-Umsetzung der Grundidee: naive Bayes Klassifikatoren
- Diskussion der Vor- und Nachteile anhand von beispielhaften Anwendungen
- Lineare Klassifikatoren
- Funktionsweise der linearen Klassifikatoren
- Veranschaulichung der Grundidee: Support Vector Machines (SVMs)
- Erweiterung von SVMs auf nicht-lineare Klassifikation (Kernel Machines)
- Diskussion der Vor- und Nachteile anhand von möglichen Anwendungsfällen
- Entscheidungsbäume
- Grundprinzip von Entscheidungsbäumen
- Beispiel-Umsetzung der Grundidee: Diskussion verschiedener Split Strategien
- Erweiterung von Entscheidungsbäumen: Pruning zur Vermeidung von Overfitting
- Diskussion der Vor- und Nachteile mit Hilfe von real-life Use Cases
- Nächste-Nachbarn (NN) Klassifikatoren:
- Grundlagen von NN Klassifikatoren
- Beispiel-Umsetzung der Grundidee: Diskussion verschiedener Gewichtungen und Voting-Strategien
- Diskussion der Vor- und Nachteile der Anwendung am Beispiel der Use Cases
- Evaluation der Güte von gelernten Modellen (Klassifikatoren)
- Diskussion der Herausforderungen, insbesondere des Overfittings
- Überblick über Maßnahmen gegen Overfitting: das Train-and-Test-Paradigma
- Grundlegende Einführung in die Konzepte von neuronalen Netzen und Deep Learning
Alles auf einen Blick!
- Erhalten Sie einen Überblick über Supervised Machine Learning
- Geeignet für Mitarbeiter aus allen Fachbereichen mit analytischen Aufgaben
- Eintägige Schulung in München
- Teilnehmerzahl auf 10 begrenzt
- Gemeinsames Mittagessen und Verpflegung inklusive
- Sprache: Deutsch
Haben Sie Fragen?
Hallo, ich bin Claudia Djukic-Müller.
Ich helfe Ihnen gerne weiter. Sie erreichen mich telefonisch unter +49 (0) 89 – 323 731 32
Zielgruppe & Voraussetzungen
Zielgruppe
Dieses Supervised Machine Learning Seminar richtet sich an alle Personen, die einen Überblick über die Möglichkeiten und Einsatzpotenziale von Supervised Machine Learning erhalten möchten. Dazu gehören Mitarbeiter aus allen Fachbereichen mit analytischen Aufgaben, Business Analysten, Junior Data Scientists und interessierte IT-Mitarbeiter.
Voraussetzungen
Grundlegende Kenntnisse in Statistik, Mathematik und Informatik sind notwendig.
Organisation
Die Supervised Machine Learning Schulung für Einsteiger findet von 10:00 Uhr bis 18:00 Uhr in München statt. Es gibt ein gemeinsames Mittagessen mit allen Seminarteilnehmern und dem Dozenten im Leib&Seele, das sich direkt neben dem Data Science Hub befindet. Hier haben Sie in entspannter Atmosphäre Gelegenheit, im gemeinsamen Gespräch mit dem Dozenten Themen und offene Fragen zu vertiefen.
Die Teilnehmerzahl des Supervised Machine Learning Seminars ist auf 10 begrenzt, um Ihnen einen optimalen Lernerfolg zu ermöglichen.
Ort
Der eintägige Supervised Machine Learning Kurs findet in unserem Data Science Hub im Sapporobogen 6-8 in München statt. Mit den öffentlichen Verkehrsmitteln erreichen Sie uns innerhalb von 15 Minuten vom Hauptbahnhof. Gerne lassen wir Ihnen Hotelempfehlungen in der Nähe zukommen.
Starten Sie gut informiert in Ihre Schulung!
Sie haben Fragen zu den Inhalten, zur Organisation oder interessieren sich für ein Inhouse-Seminar zu unterschiedlichen Themen um Data & AI? Ich helfe Ihnen gerne weiter. Sie erreichen mich telefonisch unter +49 (0) 89 – 323 731 32