Einführung in das Machine Learning mit Python (Inhouse)

Grundlagen und praktische Anwendung für Einsteiger:innen mit ersten Programmierkenntnissen

• Einführung
  • Was ist Machine Learning?
  • Data Analytics, Data Mining & Data Science
  • Methoden & Konzepte
  Python Grundlagen
  • Werte, Typen & Variablen
  • Operatoren
  • If-, Else-, For-Anweisungen
  • Funktionen
  • Funktionen
  • Datenstrukturen
  Data Handling mit Python
  • Numpy Arrays
  • Pandas Series
  • Pandas DataFrames
  • Filtern und Sortieren von Daten
  • Einlesen von Daten (csv, sql, json, API)
  Daten Auswertung
  • Daten Bereinigung
  • Deskriptive Statistiken
  • Datenvisualisierung
  Einführung in das Machine Learning
  • Supervised vs. Unsupervised
  • Trainings- und Test-Datensatz
  • Algorithmen in Scikit-Learn
  Supervised Learning
  • k-nearest Neighbor
  • Lineare Modelle
  • Naive Bayes Klassifikator
  • Entscheidungsbäume
  Unsupervised Learning
  • Vorverarbeitung und Skalieren
  • Hauptkomponentenzerlegung (PCA)
  • Nicht-negative Matrix Faktorisierung (NMF)
  • Manifold Learning mit t-SNE
  • k-Means-Clustering
  • Agglomeratives Clustering
  • DBSCAN

Methode

Die Schulung ist praxisorientiert aufgebaut. Nach kurzen theoretischen Einführungen wenden die Teilnehmer:innen die Methoden direkt anhand konkreter Beispiele an und entwickeln schrittweise eigene kleine Machine-Learning-Modelle.

Hinweis

Weiterführende Informationen: Eine Auswahl vertiefender Inhalte und praxisorientierter Beiträge zum Thema Künstliche Intelligenz findet sich im Blog.

LernzieleDer Einsatz von Machine Learning gewinnt in nahezu allen Branchen an Bedeutung – von der Prozessoptimierung bis hin zur datenbasierten Entscheidungsfindung. Dieses Seminar bietet Ihnen einen fundierten Einstieg in das Thema Machine Learning mit Python und vermittelt praxisnah die wichtigsten Konzepte, Methoden und Algorithmen.In drei Tagen vertiefen Sie Ihre vorhandenen Python-Kenntnisse und lernen den professionellen Umgang mit großen Datenmengen. Darauf aufbauend beschäftigen Sie sich mit Datenaufbereitung, Visualisierung sowie den zentralen Verfahren des Supervised und Unsupervised Learning inklusive der Anwendung gängiger Algorithmen wie k-Nearest Neighbors (kNN), Entscheidungsbäumen oder k-Means-Clustering.Die Schulung findet wahlweise als Live Online Training oder in Präsenz statt und ist praxisorientiert aufgebaut: Sie wenden das Gelernte direkt anhand konkreter Use Cases an.Nach dem Seminar sind Sie in der Lage, Machine-Learning-Modelle mit Python zu erstellen, Daten gezielt zu analysieren und erste eigene Projekte umzusetzen – eine wertvolle Kompetenz für datengetriebenes Arbeiten in Ihrem Fachbereich.Zielgruppen

• Fach- und Führungskräfte, die in den Bereichen Datenanalyse, Data Science oder Künstliche Intelligenz tätig sind und ihre Kenntnisse im Bereich Machine Learning erweitern möchten.
• IT-Spezialistinnen und –Spezialisten sowie Softwareentwickler:innen, die Python für datengetriebene Projekte einsetzen wollen.
• Projektleiter:innen und Analysts, die datenbasierte Entscheidungsprozesse in ihren Teams implementieren möchten.