Workshop: Machine Learning mit Python
Dr. Harald Bosch

Dr. Harald Bosch hat einen Master of Science in Wirtschaftsinformatik und wurde am Institut „Visualisierung und Interaktive Systeme“ promoviert. Sein Themenschwerpunkt als Doktorand lag dabei auf dem Thema Visual Analytics, der Verbindung von Mensch-Maschinen-Kommunikation, Informationsvisualisierung und automatischer Datenanalyse. Daraus ist auch die Ausgründung ScatterBlogs entstanden, die seit 2017 durch Maschine Learning automatisiert Ereignisse in den sozialen Netzwerken erkennt und alarmiert. Harald Bosch gibt sein Wissen gerne in Trainings und Workshops weiter, wobei ihm ein ausgewogenes Verhältnis von Vorträgen, Diskussionen und praktischen Übungen wichtig ist. Er versetzt sich als Trainer immer wieder gerne in andere Sichtweisen hinein und versucht andere bei ihrer Lernreise hilfreich zu begleiten.
ML macht das Programmieren komplexer Regelwerke voller Ausnahmen überflüssig. Die Modelle passen sich „von selbst“ an die Eingabedaten und die erwarteten Ausgabedaten an.
Ziel der Weiterbildung
Die Teilnehmer lernen die Bausteine der maschinellen Lernverfahren als zentrale Elemente der künstlichen Intelligenz in Theorie und Praxis kennen. Von der Datenvorverarbeitung, den Lernverfahren, bis zur Bewertung der Lösungen werden die relevanten Aspekte beleuchtet.Anhand der praktischen Übungen in der Programmiersprache Python haben Sie fertige Lösungsbausteine und können am Ende der Schulung Machine Learning einfach auf Ihre Problemstellungen anwenden.
Grundlegende Programmierkenntnisse, auch aus anderen Sprachen, sind sehr hilfreich. Für die Übungen stehen Desktop-Computer zur Verfügung. Sie können einen eigenen Laptop mitbringen, um die Python-Umgebung anschließend weiter zu nutzen.
8:45 bis 12:00 und 13:30 bis 16:45 Uhr
1. Grundlagen der Künstlichen Intelligenz
- Unterschied KI, ML und Deep Learning
- Welche Arten von maschinellen Lernverfahren gibt es?
- Was ist der grundlegende Prozess?
2. Datenaufbereitung und Feature-Extraktion
- „Daten sind das neue Öl“ – Warum hinkt der Vergleich?
- Wie werden Daten aufbereitet, um daraus zu lernen?
3. Evaluierung
- Wir lernen nicht zum Selbstzweck, sondern um Aufgaben zu lösen. Wie können wir die Qualität der Lösung bewerten, wenn wir sie nicht selbst geschrieben haben?
4. Algorithmen des überwachten und unüberwachten Lernens
- einige klassische Verfahren im Detail: K-Means, Perceptron, Support Vector Machines u.a.
5. Neuronale Netze und ihre Varianten
- neuronale Netze als Kern des Deep-Learning-Hypes: Worauf beruhen sie?
- Für welche Problemstellungen sind welche Netzwerkvarianten die richtige Lösung?

Dr. Harald Bosch
ONLINE
Die Teilnahme beinhaltet ausführliche Unterlagen.
Preis:
Die Teilnahmegebühr beträgt:
1.180,00 €
(MwSt.-frei)
pro Teilnehmer
Fördermöglichkeiten:
Für den aktuellen Veranstaltungstermin steht Ihnen die
ESF-Fachkursförderung
mit bis zu 50 % Zuschuss zu Ihrer Teilnahmegebühr zur Verfügung.
Für alle weiteren Termine erkundigen Sie sich bitte vorab bei unserer
Anmeldung
.
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.
Dies könnte Sie auch interessieren:
Fragen zur Veranstaltung?
Ihr Ansprechpartner für die Veranstaltung
