Maschinelles Lernen (ML) - Grundlagen

Maschinelles Lernen ist der vielversprechendste Bereich der künstlichen Intelligenz (KI).

Maschinelles Lernen ermöglicht Systemen, aus Daten zu lernen, indem sie Muster erkennen und Entscheidungen mit wenig oder gar keinem menschlichen Eingriff treffen. Lernen Sie den Lebenszyklus des maschinellen Lernens kennen, indem Sie Ihr erstes maschinelles Lernmodell in der Praxis trainieren.

Entdecken Sie die weit verbreiteten Methoden des maschinellen Lernens: überwachtes, unüberwachtes und verstärktes Lernen. Ein Schwerpunkt liegt auf der Beschaffung und Aufbereitung von Daten und der Auswahl des besten Lernalgorithmus für Ihr Projekt. Nach dem Training eines Modells lernen Sie, die Leistung des Modells mithilfe von Standardmetriken zu bewerten.

Schließlich erfahren Sie, wie Sie den Prozess durch den Aufbau einer Pipeline für maschinelles Lernen rationalisieren können. Lernen Sie den Lebenszyklus des maschinellen Lernens und die für die Erstellung von Systemen erforderlichen Schritte verstehen.

Maschinelles Lernen im Überblick

• Einführung in das maschinelle Lernen
• Maschinelles Lernen kennenlernen
• Wie Maschinen lernen

Implementierung einer Lösung für maschinelles Lernen

• Der Lebenszyklus des maschinellen Lernens aufschlüsseln
• Probleme des maschinellen Lernens formulieren
• Identifizierung eines vorgefertigten Modells
• Verstehen der zum Trainieren eines Modells verwendeten Tools

Vorbereiten von Daten für maschinelles Lernen

• Beschaffung von Daten
• Visualisieren und Verstehen von Daten
• Verstehen von Feature Engineering

Trainieren eines Modells für maschinelles Lernen

• Verstehen von Lernalgorithmen und Modelltraining
• Erforschung von Lernalgorithmen für die Klassifizierung
• Überprüfung von Lernalgorithmen für die Regression
• Untersuchung weiterer Lernalgorithmen
• Training eines benutzerdefinierten maschinellen Lernmodells

Bewertung der Modellperformance

• Untersuchung gängiger Klassifikationsmetriken
• Verstehen der Konfusionsmatrix
• Untersuchung gängiger Regressionsmetriken
• Bestimmung der Bedeutung von Merkmalen
• Bekämpfung von Verzerrungen

Operationalisierung einer Pipeline für maschinelles Lernen

• Strukturierung einer Pipeline für maschinelles Lernen

Das Versprechen des maschinellen Lernens besteht darin, die Welt fairer und gerechter zu machen, indem die menschliche Subjektivität bei der Entscheidungsfindung erkannt und entfernt wird und dass diese Technologie die Welt zu einem besseren Ort machen kann. Sie werden den aufregendsten Zweig des maschinellen Lernens entdecken und den gesamten Lebenszyklus des maschinellen Lernens anhand praktischer Beispiele kennenlernen, einschließlich der Schritte, die zum Aufbau von Systemen erforderlich sind.

Die Weiterbildung "Maschinelles Lernen (ML) - Grundlagen" bieten wir Ihnen als Firmenseminar sowie Inhouse-Schulung Live-Online und Vor-Ort an!