Grundlagen und überwachtes Lernen mit scikit-learn

• Anhand mehrerer Beispiele lernst du den typischen Zyklus eines Machine-Learning-Projektes kennen.

• Du experimentierst mit diversen klassischen statistischen Algorithmen aus der Klase des überwachten Lernens.

• Du verstehst, nach welchem einfachen Prinzip du Modelle in scikit-learn verwendest.

Inhalt

Zunächst geht unser Experte auf die Grundlagen der Begrifflichkeiten künstliche Intelligenz und Machine Learning ein. Anschließend widmet er sich dem überwachten Lernen (engl. supervised learning). Dieses macht einen großen Bereich des maschinellen Lernens aus. Du lernst mit Klassifikation, Regression und Support Vector Machines (SVMs) die typischen Vertreter der klassischen statistischen Verfahren kennen.

Alle diese Verfahren deckt die Bibliothek scikit-learn ab, deren immer gleichbleibendes Grundprinzip du im Rahmen verschiedener Beispiele kennenlernst. Dabei erklärt unser Experte essenzielle Paradigmen und Begriffe aus der Welt des maschinellen Lernens.

Zielgruppe

Der Classroom richtet sich an alle Personen aus dem Softwarebereich mit Programmiererfahrung in einer höheren Programmiersprache (idealerweise Python), die einen fundierten, praxisorientierten Einstieg in das maschinelle Lernen suchen. Angesprochen sind insbesondere Softwareentwicklerinnen und -entwickler, Data Analysts sowie technisch versierte Fachkräfte, die Machine-Learning-Methoden verstehen, einordnen und in eigenen Projekten anwenden möchten.

Voraussetzungen

Grundkenntnisse in Python, pandas und Matplotlib werden vorausgesetzt. Ein Besuch der ersten beiden Sessions des Classrooms deckt diese Kenntnisse ab.

Die Folien der Präsentation sind aufgrund zahlreicher englischer Begriffe vollständig in englischer Sprache gehalten, um eine bessere Lesbarkeit zu erzeugen. Der Vortrag findet in deutscher Sprache statt.

Agenda

• Grundlagen der Begrifflichkeiten künstliche Intelligenz und Machine Learning

• Einführung in das überwachte Lernen als zentraler Bereich des maschinellen Lernens

• Klassifikation und Regression als typische Vertreter klassischer statistischer Verfahren

• Funktionsweise von Support Vector Machines (SVMs)

• Aufbau und Grundprinzip der Bibliothek scikit-learn anhand praktischer Beispiele