Einführung in das Machine Learning mit Python (Inhouse)

• Einführung
  • Was ist Machine Learning?
  • Data Analytics, Data Mining & Data Science
  • Methoden & Konzepte
  Python Grundlagen
  • Werte, Typen & Variablen
  • Operatoren
  • If-, Else-, For-Anweisungen
  • Funktionen
  • Funktionen
  • Datenstrukturen
  Data Handling mit Python
  • Numpy Arrays
  • Pandas Series
  • Pandas DataFrames
  • Filtern und Sortieren von Daten
  • Einlesen von Daten (csv, sql, json, API)
  Daten Auswertung
  • Daten Bereinigung
  • Deskriptive Statistiken
  • Datenvisualisierung
  Einführung in das Machine Learning
  • Supervised vs. Unsupervised
  • Trainings- und Test-Datensatz
  • Algorithmen in Scikit-Learn
  Supervised Learning
  • k-nearest Neighbor
  • Lineare Modelle
  • Naive Bayes Klassifikator
  • Entscheidungsbäume
  Unsupervised Learning
  • Vorverarbeitung und Skalieren
  • Hauptkomponentenzerlegung (PCA)
  • Nicht-negative Matrix Faktorisierung (NMF)
  • Manifold Learning mit t-SNE
  • k-Means-Clustering
  • Agglomeratives Clustering
  • DBSCAN

Methode

Die Schulung ist praxisorientiert aufgebaut. Nach kurzen theoretischen Einführungen wenden die Teilnehmer:innen die Methoden direkt anhand konkreter Beispiele an und entwickeln schrittweise eigene kleine Machine-Learning-Modelle.