Schulungsübersicht
Einführung in fortgeschrittene Machine-Learning-Modelle
- Überblick über komplexe Modelle: Random Forests, Gradient Boosting, Neuronale Netze
- Wann setzt man fortschrittliche Modelle ein: Best Practices und Anwendungsfälle
- Einführung in Ensemble-Learning-Techniken
Hyperparameter-Tuning und Optimierung
- Grid Search und Random Search Techniken
- Automatisierung des Hyperparameter-Tunings mit Google Colab
- Einsatz fortgeschrittener Optimierungstechniken (Bayessche Optimierung, Genetische Algorithmen)
Neuronale Netze und Deep Learning
- Aufbau und Training tiefer neuronaler Netze
- Transfer Learning mit vortrainierten Modellen
- Optimierung von Deep-Learning-Modellen für bessere Leistung
Model Deployment (Bereitstellung)
- Einführung in Strategien zum Model Deployment
- Deployment von Modellen in Cloud-Umgebungen mit Google Colab
- Echtzeit-Inferenz und Batch-Verarbeitung
Arbeiten mit Google Colab für grossmasstäbliches Machine Learning
- Zusammenarbeit an Machine-Learning-Projekten in Colab
- Einsatz von Colab für verteiltes Training und GPU/TPU-Beschleunigung
- Integration mit Cloud-Diensten für skalierbares Model-Training
Modellinterpretierbarkeit und Erklärbarkeit
- Untersuchung von Techniken zur Modellinterpretierbarkeit (LIME, SHAP)
- Explainable AI für Deep-Learning-Modelle
- Umgang mit Bias und Fairness in Machine-Learning-Modellen
Anwendungen und Fallstudien aus der Praxis
- Einsatz fortschrittlicher Modelle in den Bereichen Gesundheit, Finanzen und E-Commerce
- Fallstudien: Erfolgreiche Model-Deployments
- Herausforderungen und zukünftige Trends im Bereich fortgeschrittenes Machine Learning
Zusammenfassung und nächste Schritte
Voraussetzungen
- Fundiertes Verständnis von Machine-Learning-Algorithmen und -Konzepten
- Sichere Programmierkenntnisse in Python
- Erfahrung mit Jupyter Notebooks oder Google Colab
Zielgruppe
- Data Scientists
- Machine-Learning-Praktiker
- KI-Ingenieure
Erfahrungsberichte (2)
Erfahrungsaufbau im Bereich der Prompt-Wiederholung für Personen, die zuvor keine KI genutzt haben, sowie die Einführung alternativer Methoden der KI-Nutzung für bestehende Anwender.
Matthew Gay - Tarsus Pharmaceuticals
Kurs - Artificial Intelligence (AI) Overview
Maschinelle Übersetzung
Nach grundlegenden Prinzipien arbeiten und sich innerhalb desselben Tages auf die Anwendung von Fallstudien konzentrieren
Maggie Webb - Department of Jobs, Regions, and Precincts
Kurs - Artificial Neural Networks, Machine Learning, Deep Thinking
Maschinelle Übersetzung
