Python Statistische Analyse, Modellbildung und Maschinelle Lernmethoden
Angebot runterladen
Python Statistische Analyse, Modellbildung und Maschinelle Lernmethoden
Peter Steigmann
"Mein Motto als erfolgreicher IT-Trainer: Wissen teilen, Menschen befähigen, Begeisterung entfachen!"
Peter Steigmann, Diplom-Betriebswirt (FH), ist seit mehr als 20 Jahren Experte für IT-Fortbildung. Wichtig ist ihm in seinen Seminaren, maßgeschneidert auf die Wünsche der Teilnehmenden einzugehen. Sein Fachwissen, seine Begeisterung für IT-Themen und sein pädagogisches Geschick haben viele Kunden aus Automotive, Pharma, Kredit, Versicherung und Behörden beeindruckt, darunter Fraunhofer Institute, Boehringer Ingelheim Pharma, Sparkassen, Bundesbank und RKI. Von Teilnehmenden hervorgehoben werden seine praxisnahen Übungen, interaktiven Lernmethoden und die individuelle Betreuung der Teilnehmer.
Statistische Modelle bilden den Kern vieler intelligenter Anwendungen wie z.B. der Kunden- und Kaufverhalten-Modellierung, der Risikoprognose, dem Business Intelligence, dem Textmining, der Optimierung dynamischer Systeme, der Objekterkennung u.v.m.
Dieses Seminar zeigt auf, wie statistische Analysen, Tests und Modelle schnell und effizient mit frei zugänglichen Python Modulen, wie Numpy, Scipy, Matplotlib, Statsmodels, Pandas und Scikit-Learn, implementiert werden können.
Ziel der Weiterbildung
Der Fokus dieses Workshops liegt auf der statistischen Modellbildung mit Verfahren des maschinellen Lernens. Die Eigenschaften und Einsatzgebiete dieser Algorithmen werden umrissen und anhand in Python implementierter Anwendungsszenarien demonstriert.
Alle verwendeten Methoden sind in den Python Modulen implementiert, die nach dem Kurs auch direkt angewendet werden können.
Montag, 13. bis Mittwoch, 15. Mai 2024
9.00 bis 16.30, inkl. Pausen
Einfache statistische Analysen
- Kennzahlen der deskriptiven Statistik
- Univariate und Multivariate Analyse
- Visualisierung statistischer Zusammenhänge
Statistische Tests
- Signifikanzmaße
- Verteilfunktionen
- parametrische Prüfverfahren
- nichtparametrische Prüfverfahren
Herkömmliche Regressionsmodelle
- lineare Regression
- verallgemeinerte lineare Regression
- Regularisierung
Zeitreihenanalyse
- Merkmalsmodellierung für Zeitreihendaten
- Vorhersagemodelle
Methoden des unüberwachten maschinellen Lernens
- Kernel Density Estimation
- verschiedene Clusteringalgorithmen
- Methoden zur Dimensionsreduktion und Visualisierung
Methoden des überwachten Lernens
- Entscheidungsbäume und Random Forests
- Support Vector Maschinen
- Hidden Markov Modelle
- Gauß Prozesse
- herkömmliche Neuronale Netze
- tiefe Neuronale Netze (Deep Learning)
Der Kurs richtet sich an Teilnehmer mit Grundkenntnissen in Statistik und Programmierung mit Python, die sich mit dem Thema maschinelle Lernmethoden und Machine learning praxisorientiert beschäftigen möchten.
Peter Steigmann
ONLINE
Die Teilnahme beinhaltet ausführliche Unterlagen.
Preis:
Die Teilnahmegebühr beträgt:
1.550,00 €
(MwSt.-frei)
pro Teilnehmer
Fördermöglichkeiten:
Bei einem Großteil unserer Veranstaltungen profitieren Sie von bis zu 70 % Zuschuss aus der ESF-Fachkursförderung.
Bisher sind diese Mittel für den vorliegenden Kurs nicht bewilligt. Dies kann verschiedene Gründe haben. Wir empfehlen Ihnen daher, Kontakt mit unserer Anmeldung aufzunehmen. Diese gibt Ihnen gerne Auskunft über die Förderfähigkeit der Veranstaltung.
Weitere Bundesland-spezifische Fördermöglichkeiten finden Sie hier.
Inhouse Durchführung:
Sie möchten diese Veranstaltung firmenintern bei Ihnen vor Ort durchführen? Dann fragen Sie jetzt ein
individuelles
Inhouse-Training
an.
Weitere Termine und Orte
Dies könnte Sie auch interessieren:
Fragen zur Veranstaltung?
Ihr Ansprechpartner für die Veranstaltung