Kurs-ID: EKI_20132
Kurs Machine Learning Kurs mit Python & scikit learn
Ein Maschinelles Lernen - Kurs über die Grundlagen. Mit scikit-learn und Python
![Logo Partner Enable AI](/images/siegel-partner/allskills-partner-enable-ai.png)
Dieser zweitägige Machine Learning Kurs erklärt, wie Sie Machine Learning mit Python und der Bibliothek scikit-learn umsetzen können. Machine Learning (ML) ist eine wesentliche Algorithmen Klasse der Künstlichen Intelligenz. In der Schulung lernen Sie die zwei Bereiche von Machine Learning: supervised learning und unsupervised learning (überwachtes Lernen und unüberwachtes Lernen).
Im Kurs behandeln wir Supervised Learning, wobei diese Algorithmen auf (meist vom Menschen) gelabelte Daten trainiert werden, um gewisse “Aufgaben” zu erlernen. Bei gelabelten Daten gibt man dem Algorithmus die Zielvariable mit, die dieser erlernen soll. Beispiele hierfür sind die Klassifikation, welchen Fehler ein Bauteil aufweist oder die Vorhersage, wie viel Umsatz ein Kunde voraussichtlich generiert.
Unsupervised Algorithmen dagegen benötigen keine gelabelte Daten, sondern versuchen in den vorhandenen Daten beispielsweise Gruppen oder Muster zu erkennen, z.B. zur Kundengruppierung (verschiedene Kunden können dann anders im Marketing behandelt werden). Unsupervised Learning liefert Hinweise, welche Muster in Daten vorhanden sein könnten – es werden jedoch keine vorgegebenen Muster (wie Bauteil defekt – nicht defekt) erlernt.
Die in diesem Maschinelles Lernen Python Kurs verwendete Programmiersprache Python ist sowohl im Machine Learning (als auch im Deep Learning) sehr verbreitet. Das Modul scikit-learn umfasst zahlreiche Algorithmen, die dem Teilnehmer das Machine Learning Lernen erleichtern.
Was lernen Sie in der Machine Learning Schulung?
Damit Sie leicht die Algorithmen im Machine Learning lernen und programmieren können, benutzen wir hauptsächlich das Python Modul scikit-learn. Das Modul StatsModels wird auch für die logistische Regression verwendet, um einen Einblick in eine weitere bekannte Bibliothek für Machine Learning zu erhalten.
Der Fokus dieser Schulung liegt auf supervised Algorithmen. Hierbei werden mehrere Maschinelle Lernen Algorithmen theoretisch erläutert und praktisch in Python programmiert: Lineare Regression, logistische Regression, Entscheidungsbaum, Ensemble-Methoden (Random-Forest und AdaBoost), K-Nearest Neighbor und Neuronale Netze (Multi-Layer Perceptron, MLP).
Das Splitting der Daten in Trainings und Test Daten und Cross Validation (Kreuzvalidierung) werden erläutert (beides Konzepte zum Erkennen von Overfitting). Zudem lernen Sie die Hyperparametersuche und die wichtigsten Metriken zur Bestimmung der Algorithmusgüte.
Im unsupervised Learning wird das Clustering mit dem K-means Algorithmus und DBSCAN behandelt.
Nach diesem Machine Learning Seminar haben Sie die wichtigsten Aspekte von scikit-learn und die Machine Learning Grundlagen gelernt und können selbständig erste Aufgaben damit bearbeiten. Zudem haben Sie die Fähigkeit, Ihre Programmierkenntnisse in Python selbständig zu erweitern, um weitere Algorithmen aus scikit-learn umzusetzen.
Dieses Training findet in Kooperation mit Enable AI statt.
Termin buchenSeminarinhalte
- Einführung in Machine Learning
- Supervised vs. Unsupervised Machine Learning
- Umsetzung der Algorithmen in scikit-learn
- Interpretation der Ergebnisse
- Lineare Regression, logistische Regression
- Entscheidungsbaum, Ensemble-Methoden
- K-Nearest Neighbor, Einfaches Neuronales Netz
- K-Means Clustering und DBScan
- Hyperparametertuning, Kreuzvalidierung
Kursthemen
Das Training Machine Learning Kurs mit Python & scikit learn ist folgenden Themen zugeordnet:
Zielgruppe
Dieser Machine Learning Kurs mit Python richtet sich an data scientists, angehende Machine Learning engineers, Datenanalysten, Busines Intelligence Analysts, Data Analysts, o.ä. welche die Programmiersprache Python für Data Science / Data Mining vertiefen möchten. Vorhandene Programmierkenntnisse in Python werden in der Schulung erweitert, um Machine Learning mit scikit-learn eigenständig umsetzen zu können.
Voraussetzungen
Diese Machine Learning Schulung setzt Programmiererfahrung in Python voraus. Notwendig ist Vorerfahrung in der Arbeit mit Python und mit Daten. Die Inhalte des Kurses „Data Science mit Python“ geben einen Überblick, welche Vorerfahrung ein gutes Mitkommen im Seminar ermöglicht. Vor allem: pandas Data.Frames (fehlende Werte ergänzen, Daten einlesen), Bibliotheken installieren und laden, eigene Funktionen schreiben, Kenntnis verschiedener Datenstrukturen (list, dictionary, tuple).
Notwendig sind außerdem grundlegende Vorkenntnisse im Bereich der Statistik (Begriffsdefinitionen wie bspw. Mittelwert, Median, Standardabweichung, Normalverteilung), Kenntnisse grundlegender mathematischer Symbole und Begriffe (Summenzeichen, Integral, Funktion, Ableitung, Exponentialfunktion) und Kenntnis der booleschen Algebra mit den logischen Operatoren (UND, ODER, NICHT).
Die Machine Learning Schulung wird auf Deutsch gehalten. Englischkenntnisse (lediglich im Verstehen von englischen Texten) sind sehr empfehlenswert, da die Programmiersprache, Fachbegriffe und die Dokumentationen im Internet auf Englisch sind. Aus diesem Grund sind auch die erstellten Folien in der Schulung auf Englisch.
Dauer und Zeiten
2 Kurstage
Verwandte Seminare
- Analyse und Visualisierung von Zeitreihen-Daten in Python
- Data Science Kurs Python
- Data Scientist Fortbildung - Bootcamp in Python
- Datenvisualisierung / Dashboards in Python
- Deep Learning, Neuronale Netze mit Python
- Einführung in Data Science und Machine Learning mit Python
- KI Bilderkennung in Python - Deep Learning mit Keras
Termine
Kurspreis für offene Schulungen
1290,00 € zzgl. 19% MwSt. (1535,10 € inkl. 19% MwSt.)
Hinweis
- Die Teilnehmer benötigen für die Übungsaufgaben Laptops. Wir empfehlen, Ihren eigenen Laptop mit der vorab installierten Software mitzubringen. Eine genaue Installationsanleitung für die Software wird Ihnen vor dem Seminar per E-mail zugesandt. Auf Anfrage stellen wir auch Schulungslaptops zur Verfügung.
- Bitte prüfen Sie, ob Ihr Firmenlaptop Zugangsbeschränkungen im Internet hat. Die digitalen Unterlagen (Skript, Code, Dateien) werden im Seminar online zum Download zur Verfügung gestellt. Sie erhalten vor dem Seminar per E-Mail den Link zu einer Testdatei zum Download, um dies überprüfen zu können.
- Sie sollten sich in firmenfremde WLAN-Netze registrieren können.
- Als Backup Lösung ist es möglich, dass der USB Port bei Ihrem Laptop freigeschalten ist, um damit verwendete Dateien oder sonstige Unterlagen übertragen zu können.
- Im Seminar wird das Betriebssystem Windows verwendet. Der Umgang mit Ihrem verwendeten Betriebssystem und Laptop sollte bekannt sein. Insbesondere sollten Sie ohne Schwierigkeiten Sonderzeichen auf der Tastatur finden (insbesondere bei Apple Geräten werden auf manchen Tastaturen nicht immer runde, eckige bzw. geschweifte Klammern dargestellt).