Machine Learning ohne Programmierkenntnisse

• Mit Uber Ludwig steigen Sie in die Welt des Machine Learning ein

• Es werden keine Programmierkenntnisse benötigt

• Erschaffen Sie einfach eigene, funktionsfähige Lösungen

• Verstehen Sie, wie Machine Learning unter der Haube funktioniert

Ziele

Ludwig ist ein System, dass es Ihnen erlaubt, eigene einfache Machine Learning – Lösungen zu entwickeln.  Sie Lernen, wie Machine Learning in der Praxis funktioniert. Am Ende dieses Kurses sind Sie in der Lage, einfache Projekte selbst umzusetzen.

Zitiert von heise.de:  »Die vielfältige und flexible Encoder-Decoder-Architektur verschafft auch ungeübten Anwendern raschen Zugang zum Training unterschiedlichster Machine-Learning-Aufgaben – darunter Text- und Objektklassifizierung, Bilderkennung, maschinelle Übersetzung oder Zeitreihenprognosen.«

Zielgruppe

Der Kurs richtet sich an alle, die im Rahmen ihrer beruflichen Tätigkeit das Potential und  die Möglichkeiten von Machine Learning ausschöpfen wollen. Und das ohne Programmierkenntnisse.

Teilnahmevoraussetzungen

Es existieren keine spezifischen Teilnahmevoraussetzungen. Alle notwendigen Grundlagen werden während des Kurses erklärt. Idealerweise besitzen Sie Basiskenntnisse, wie sie zum Beispiel im Seminar Grundlagen der KI vermittelt werden.

Kursinhalte

Modul 1: Einführung und Grundlagen

• Überblick: Anwendungsfelder von Machine Learning
• Neuronale Netze verstehen: Wie eine Maschine eine Entscheidungen trifft (Classification, Regression)
• Trainingsalgorithmen verstehen (labels, backpropagation),
• Die Qualität maschineller Entscheidungen überprüfen (Test, Validation)
• Einführung in Deep Learning

Modul 2: Texte klassifizieren

• Verschiedene Arten der Textklassifikation, anhand von Beispielen erklärt
• Darstellung von Text im Learning Model (Word Embeddings, Bag-of-Words)
• Standardmodelle des Textverstehens (RNN, LSTM)
• Praktische Einführung in die Funktionsweise von Uber Ludwig (Encoders, Decoders)
  
• Praktische Übung mit Ludwig: Erkennung von positiven und negativen Gefühlen in Twitter-Nachrichten

Modul 3: Progonosen erstellen

• Verschiedene Arten von Prognosen, anhand von Branchenbeispielen erklärt (Regression)
• Von Ludwig unterstütze Arten von Daten (data types)
• Praktische Übung mit Ludwig: Preisvorhersage für airbnb-Unterkünfte
• Vorhersagen richtig optimieren (hyperparamter tuning)

Modul 4: Bild und Videoerkennung

• Grundlagen: Wie Systeme Bilder erkennen ( object classification)
• Automatische Bildbeschreibungen generieren (image captioning)
• Sich Arbeit sparen mit vortrainierten Systemen (transfer learning)
• Praktische Übung mit Ludwig: Eine einfache Bilderkennung umsetzen
• Videosequenzen verstehen

Modul 5: Auffälligkeiten in Daten finden

•  Ich sehe was, was du nicht siehst – Auffälligkeiten in Daten finden
• Grundlagen: Automatische Klassisifkation verstehen (Autoencoders)
• Gruppenübung zu Autoencoders
• Fallbeispiel: Betrugsverdachtserkennung bei Uber
• Praktische Übung mit Ludwig: Betrugsverdachtsfälle in Mobiltelefon-Zahlungsaufträgen finden
• Vorteile von Autoencoders im Lernprozess verstehen

Modul 6: Ausblick

• Selbst erstellte Machine Learning-Modelle in vorhandene IT-Systeme integrieren
• Neue Features in künftigen Versionen von Uber Ludwig
• Auf dem Weg zum Machine Learning-Profi: So geht’s weiter.