Schulungsübersicht

  1. Einführung in ML
    • Maschinelles Lernen als Teil der Künstlichen Intelligenz
    • Arten von ML
    • ML-Algorithmen
    • Herausforderungen und potenzielle Anwendungen von ML
    • Überanpassung und Bias-Varianz-Kompromiss in ML
  2. Maschinelles Lernen Techniken
    • Der Machine Learning Workflow
    • Supervised Learning – Klassifikation, Regression
    • Unsupervised Learning – Clustering, Anomalieerkennung
    • Semi-supervised Learning und Reinforcement Learning
    • Betrachtungen in Machine Learning
  3. Datenvorverarbeitung
    • Datenbereitung und -transformation
    • Feature Engineering
    • Featureskalierung
    • Dimensionalitätseinschränkung und Variablenauswahl
    • Datavisualisierung
    • Explorative Analyse
  4. Fallstudien
    • Erweitertes Feature Engineering und sein Einfluss auf die Ergebnisse in der linearen Regression zur Vorhersage
    • Zeitreihenanalyse und Forecasting monatlicher Verkaufsvolumen - Grundlegende Methoden, Saisonaljustierung, Regression, exponentielles Glätten, ARIMA, neuronale Netze
    • Market Basket Analyse und Assoziationsregel-Mining
    • Segmentanalyse mit Clustering und selbstorganisierenden Karten
    • Klassifizierung welcher Kunde höchstwahrscheinlich in Zahlungsunfähigkeit gerät unter Verwendung von Logistischer Regression, Entscheidungsbäumen, XGBoost, SVM

Voraussetzungen

Kenntnis und Bewusstsein für Machine Learning Grundlagen

 14 Stunden

Teilnehmerzahl


Price per participant (excl. VAT)

Erfahrungsberichte (2)

Kommende Kurse

Verwandte Kategorien