Supervised Machine Learning in R

Themenschwerpunkte Teil 1: Einführung in Machine Learning und Predictive Modeling

Kursteilnehmer sollen mit den wichtigsten Konzepten und Begriffen des maschinellen Lernens vertraut gemacht werden, sowie erste einfache überwachte Lernmodelle trainieren und evaluieren. Folgende Themen werden behandelt:

• Allgemeine Fragestellungen im maschinellen Lernen (Regression, Klassifikation, Clustering, …)

• Einführung allgemeiner Begriffe (Verlustfunktion, Risikominimierung, Overfitting, Hyper- und Modelparameter, Training- und Testdaten, …)

• Lineare und Logistische Regression aus der Perspektive des maschinellen Lernens

• K-nächste Nachbarn Verfahren

• Wichtige Evaluationmaße für Regression und Klassifikation und deren Eigenschaften

• Resampling Methoden (Kreuzvalidierung, Bootstrap, …) und deren Vor- und Nachteile

Themenschwerpunkte Teil 2: Praktisches Machine Learning - Evaluation und Tuning

In diesem Kursteil werden verschiedene Algorithmen des überwachten maschinellen Lernens eingeführt. Dabei werden Vor- und Nachteile der Modelle diskutiert. Zudem werden weitere fortgeschrittene Konzepte für (überwachtes) maschinelles Lernen vermittelt um praktische Probleme besser und effizienter lösen zu können. Folgende Themen werden behandelt:

• Funktionsweise wichtiger Machine Learning Algorithmen:

  • Regressions- und Klassifikationsbäume

  • Random Forests, ggf. Ausblick auf (Gradienten) Boosting 

• Hyperparameter Optimierung (Zufallssuche und Gittersuche)

• Genestete Kreuzvalidierung zur optimalen Modellwahl

• Fallstricke und praxisrelevante Tipps bei der Modell-Evaluation und Modellwahl

Themenschwerpunkte Teil 3: Machine Learning Pipelines, Datenvorverarbeitung und Feature Engineering

Die Kursteilnehmer lernen praktische Methoden kennen, um häufig auftretende Probleme und Herausforderungen in Daten zu lösen und komplizierte machine learning pipelines anzuwenden. Folgende Themen werden behandelt:

• Einfache Vorverarbeitungsmethoden (z.B. konstante und gedoppelte Feature identifizieren und entfernen)

• Feature Transformationen (Skalierung, Zentrierung, ...)

• Umgang mit kategorialen Features (Dummy und Impact Kodierung)

• Fehlende Werte und Imputation

• Unbalancierte Daten (Over/Undersampling)

• Ausblick: Automatic Machine Learning

Software R: mlr3, mlr3tuning, mlr3pipelines, ranger

Voraussetzungen:

• Kenntnisse in R (etwa im Umfang von Modul 1 aus unserem Data Analysis Bootcamp)

• Allgemeines Grundverständnis in der Datenanalyse / Statistik (etwa im Umfang von Modul 2 aus unserem Data Analysis Bootcamp)