Machine Learning - Training / Workshop von Novatec Consulting GmbH

Modul 1: Einführung in Machine Learning (4h)

In diesem Überblick lernen Sie die Grundlagen wie Lösungen aus Daten entstehen können.

Vortragsinhalte

• Grundlagen des maschinellen Lernens, Problemstellung, Pipelines, Beispiele
• Wo kommen Daten her, wie muss man sie vorbereiten?

Übungen

• Python Grundlagen und ML Bibliotheken
• Bild und Textdaten verarbeiten

Modul 2: Qualitätssicherung und Überwachtes Lernen (4h)

Beliebige Funktionen können allein durch beispielhafte Ein- und Ausgaben erlernt werden. Allerdings sind sie nicht wie programmierte Funktion entweder korrekt oder fehlerhaft, sondern unterschiedlich zuverlässig.

Vortragsinhalte

• Evaluation von KIs: Wie gut ist meine Lösung?
• Klassische überwachte Lernverfahren (u. a. SVMs, Perceptron, Naïve Bayes, Decision Trees)

Übungen

• Evaluationsmetriken anwenden
• Ein Perceptron programmieren
• Decision Trees mit Scikit-Learn trainieren

Modul 3: Unüberwachtes Lernen (4h)

In diesem Teilbereich des maschinellen Lernens weiß man, in Abgrenzung zu den überwachten Lernverfahren, meist weniger über die Datenbasis und will deshalb eine Struktur erlernen.

Vortragsinhalte

• Clustering (K-Means, DBSCAN, Hierarchical Clustering)
• Dimensionsreduktion (PCA, Manifold Learning)
• Anomalieerkennung (Local Outlier Factor, Autoencoder)

Übungen

• Bilder mit K-Means in sinnvolle Gruppen einteilen
• Mit einem Autoencoder unpassende Bilder identifizieren

Modul 4: Neuronale Netzwerke (4h)

Sie sind eines der generischsten Rechenmodelle des maschinellen Lernens und lassen sich für fast jeden Anwendungsfall nutzen. Sie definieren den State of the Art in der intelligenten Verarbeitung von Bildern, Texten und strukturierten Daten.

Vortragsinhalte

• Bausteine Neuronaler Netzwerke: Neuronen, Schichten, Zielfunktionen, Training
• Fehleranalyse und Optimierung

Übungen

• Experimentieren im TensorFlow Playground
• Einen Klassifikator mit Keras trainieren
• Parameteroptimierung mit Scikit-Learn

Modul 5: Fortgeschrittene Netzwerkstrukturen (4h)

Durch neue Architekturen können Netzwerke Daten noch effizienter nutzen und zwischen verschiedenen Anwendungsfällen sogar teilen.

Vortragsinhalte

• Convolutional Neural Networks (CNN)
• Transfer Learning
• Recurrent Neural Networks (RNN)

Übungen

• Bildklassifikator mit CNNs bauen
• Texterzeugung mit RNNs

Um einzelne Module zu buchen, kontaktieren Sie uns bitte direkt.

In diesem Training erfahren Sie, was Machine Learning (ML) überhaupt bedeutet. Was es mit künstlicher Intelligenz und Deep Learning zu tun hat und vor allem: Wie Sie ML mit Python bei sich im Unternehmen konkret einsetzen können. Tauchen Sie mit uns ein in diese faszinierende Welt.

Wir vermitteln alle Inhalte durch eine Mischung aus Vorträgen und dazu passenden Übungen. Für den praktischen Teil nutzen wir Jupyter Notebooks, mit denen Sie die Python-basierten Aufgaben sehr interaktiv auf einer Webseite lösen können. Die Lernumgebung steht über die Cloud zur Verfügung, kann aber auch durch Sie lokal installiert werden. Damit können Sie direkt im Anschluss mit Ihren eigenen Use Cases loslegen.