Maschinelles Lernen ((Un-)Supervised) in Python (2 Tage)

Hauptsächlich wird das Python Modul sciki-learn verwendet um die Algorithmen umzusetzen. Für die logistische Regression wird das Modul StatsModels verwendet. Damit erhalten Sie einen Einblick in ein zusätzliches Machine Learning Python Packet.

Der Schwerpunkt des Kurses bilden die Algorithmen des supervised Learnings. Diese werden zuerst theoretisch erklärt und dann in Python umgesetzt: Regression (lineare, logistische), Decision Tree (Entscheidungsbaum), Ensemble Methods (AdaBoost, Random Forest), Neuronale Netze (MLP=Multi-Layer Perceptron) und K-Nearest Neighbors.

Es werden gängige Methoden erklärt um das Overfitting zu erkennen (Aufteilen der Daten in Trainings- und Validierungs Daten, Kreuzvalidierung (Cross Validation)).

Im Bereich des unsupervised Learnings werden die beiden Clustering Algorithmen K-Means und DBScan erläutert.

Am Ende des Seminars verstehen Sie wie man in scikit-learn Modelle trainiert und können eigenständig andere Machine Learning Modelle ausprobieren.

Zielgruppe dieser Schulung sind data scientists, Datenanalysten, angehende Machine Learning engineers, welche Grundkenntnisse in der Programmiersprache Python besitzen und sich im Bereich Data Mining / Data Science und Machine Learning vertiefen möchten.

Es wird grundlegende Programmiererfahrung in Python und Erfahrung in der Arbeit mit Daten vorausgesetzt. Wenn Sie die Inhalte des Kurses "Data Science in Python" beherrschen, sind Sie gut für dieses Seminar vorbereitet. Insbesondere wichtig sind: pandas Data.Frames (das Einlesen von Daten, fehlende Werte ergänzen), Python Module installieren und laden, grundlegende Python Datenstrukturen (dictionary, tuple, list) und das Schreiben eigener Funktionen. Kenntnisse in der einfachen Statistik (wie z.B. Standardabweichung, Median, Mittelwert) sind sehr empfehlenswert.

* Die Schulungsleiter kommen aus der Praxis und haben langjährige praktische Erfahrung in dem Gebiet.

* Unsere Kurse sind vollständig ausgearbeitet. Die Schulung hat eine klare Struktur. Die Theorie wird anhand von Folien erläutert, welche auch als Nachschlagemöglichkeit verwendet werden können. Zu jeder Übungsaufgabe gibt Lösungen (fertigen Code,) der einen (oder mehrere) Lösungswege darstellt. Fragen, auch über das Thema hinausgehende, werden am Flipchart erläutert. Falls wir eine Frage nicht spontan oder nur unzureichend am Flipchart beantworten können, erarbeiten wir neue Unterlagen und versenden diese nach dem Seminar. Unsere Seminare sind KEINE Live-Coding Sessions des Kursleiters, in denen die Kursteilnehmer hauptsächlich damit beschäftigt sind, den Code des Dozenten abzutippen.
* Bisherige Schulungsteilnehmer empfehlen uns weiter uns sind sehr zufrieden mit unseren Kursen (siehe unsere ProvenExpert Bewertungen https://www.provenexpert.com/enable-ai/)

* Der Schwerpunkt der Schulung liegt in der praktische Umsetzung mit vielen Übungsaufgaben (und Lösungen). Dabei erhoffen wir uns, dass Sie die gängigen Fehler schon während des Kurses machen können (um sie hinterher zu vermeiden :)

* Die Gruppengröße ist auf max. 10 Teilnehmer beschränkt. Damit können wir garantieren, dass wir jede Frage individuell beantworten können.

Unsere Seminare finden ab 3 Teilnehmern statt. Die Gruppengröße ist auf max. 10 Teilnehmer beschränkt.

Die Widerrufsbelehrung können Sie unter https://www.enable-ai.de/widerrufsrecht/ finden. Buchungen können bis 14 Tage vor Kursbeginn kostenlos storniert werden. 7 bis 14 Tage vor Kursbeginn fallen 50% Stornokosten an. Bei einer Stornierung von weniger als 7 Tagen vor Kursbeginn müssen wir Ihnen die gesamte Kursgebühr zzgl. MwSt in Rechnung stellen. Sie haben bei Stornierung aber die Möglichkeit das (oder ein anderes) bereits stattfindendes Seminar kostenfrei (bzw. nach Bezahlung des Differenzbetrages) zu besuchen. Natürlich kann auch kurzfristig ein Kollege / eine Kollegin Sie im Seminar vertreten.

Sie können uns gerne kontaktieren (info@enable-ai.de). Gemeinsam können wir feststellen, ob der Kurs für Sie geeignet ist, oder ob zur Erreichung Ihrer Ziele ein anderer Kurs aus unserem Angebot an Data Science, Machine Learning bzw. Deep Learning Schulungen besser passen würde. Falls nicht, haben wir ggfs. den ein oder anderen Hinweis, wie Sie ohne unsere Dienstleistungen im Bereich Künstlicher Intelligenz weiterkommen können.

Die Übungsaufgaben sind meistens Coding Aufgaben, d.h. Sie sollen entweder Code-Snippets selbst schreiben oder Lücken im Code ausfüllen. Das Lückenausfüllen schult auch das Lesen und Verstehen von Code. Die Schwierigkeit und Umfang der Aufgaben ist so gestaltet, dass die wichtigsten Übungen von allen Kursteilnehmern erfolgreich (in der dafür vorgegebenen Zeit) bearbeitet werden können. Es gibt Übungsaufgaben unterschiedlichen Schwierigkeitsgrades, so dass Teilnehmer mit Vorwissen oder schnellere Teilnehmer zusätzliche Aufgaben zur Verfügung stehen. Desweiteren haben wir in einigen Kapiteln kurze Kontrollfragen zum theoreitschen Teil vorbereitet.

Jeder Block (meist 90 Minuten lang) umfasst eine oder mehrere Einheiten aus Theorie und Praxis. Die Theorieeinheit erläutert das nötige Wissen um die Übungsaufgaben verstehen und eigenständig bearbeiten zu können. Wir vermeiden es, Ihre Zeit mit langen, wissenschaftlich theoretischen Ausschweifungen zu verschwenden und beschränken uns stattdessen auf die notwendige Theorie, die zu einem besseren Verständnis und Intuition verhilft. Der Schwerpunkt der Schulung ist die Praxis, d.h. Codeschreiben und das Lösen von Verständnisaufgaben stehen im Mittelpunkt. Wir beantworten jederzeit gerne Fragen von Kursteilnehmern. Aufkommende Fragen während der Übungsaufgaben werden individuell beantwortet. Fragen, die alle Teilnehmer interessieren könnten, werden nach dem Praxisblock ausführlich erläutert. Das Skript, welches neben den Folien mit der vorgestellten Theorie und mach weiterführenden Erklärungen, auch den Code umfasst, erhalten Sie in digitaler (als .pdf) und gedruckter Version. Der Code und die Musterlösung der Aufgaben gibt es digital.