Inhalt

Selbstlernende Algorithmen trainieren und künstliche Intelligenz für Data-Science-Fragestellungen einsetzen

Wie lernen Algorithmen, wie wähle ich das richtige Modell für meine Fragestellung und wie erhalte ich präzise Vorhersagen? Das zweitägige Seminar behandelt einerseits die Theorie des maschinellen Lernens und zeigt Ihnen anderseits, wie Sie diese in der Praxis umsetzen.

Maschinelles Lernen und künstliche Intelligenz haben sich in den letzten Jahren enorm weiterentwickelt und werden auch in den nächsten Jahrzehnten unsere Wirtschaft maßgeblich prägen. Selbstlernende Algorithmen können für ganz unterschiedliche Fragestellungen trainiert werden. Nachdem sie aus Daten gelernt haben, erlauben Sie Prognosen, unterstützen Entscheidungen oder decken neue Zusammenhänge auf.

Das Seminar startet mit einem Überblick über die Felder Data Science, künstliche Intelligenz und maschinelles Lernen. Dabei werden Begriffe geklärt und aktuelle Trends und Fortschritte vorgestellt. Im Anschluss daran werden die wichtigsten klassischen Algorithmen des maschinellen Lernens behandelt. Welche Modelle erlauben die höchste Vorhersagegenauigkeit? Bei welchen Modellen ist die Interpretation der Ergebnisse am besten möglich? Anhand von Beispielen wählen Sie für unterschiedliche Fragestellungen die geeignete Methode. In einer Einführung zu Deep Learning lernen Sie die Unterschiede der klassischen Algorithmen zu neuronalen Netzen und die Grundzüge, der Funktionsweise. Außerdem behandelt das Seminar auch die Validierung von Vorhersagen, sodass Sie die Ergebnisse eines Algorithmus bewerten können.

Im Praxisprojekt setzen Sie selbst den typischen Data Science Workflow um. Ein Crashkurs zu den Tools versetzt Sie in die Lage, eigene Fragestellungen zu behandeln. Daraufhin erhalten Sie echte Daten, binden diese an und trainieren ein Modell. Sie decken dabei neue Zusammenhänge auf, indem Sie beispielsweise die Variablenwichtigkeit auswerten. Nachdem Sie die Modelle validiert haben, wenden Sie diese auf neue Daten an und treffen Vorhersagen.

Das Seminar verfolgt das Ziel, Sie möglichst gut auf die konkrete Umsetzung eigener Fragestellungen vorzubereiten. Im Zuge unseres „Customised Learning“-Ansatzes erhalten Sie die Möglichkeit, bereits vor Seminarbeginn dem Dozenten Ihre individuelle Fragestellung zu schicken, die anschließend im Kurs diskutiert wird.

Dauer:
2 Tage

Teilnehmerkreis:
Alle, die neben einem Überblick zu den Feldern Data Science und Machine Learning auch Modelle selbst zum Einsatz bringen möchten.

Notwendiges Vorwissen:
Mathematisches ist hilfreich, anderes Vorwissen wird nicht vorausgesetzt.

Zertifizierung:
Die erfolgreiche Teilnahme wird den Teilnehmern zertifiziert.

Ihr Mehrwert: Sie lernen Machine Learning für Ihre Fragestellungen zu nutzen. Für die Übungen haben wir aus unserer Erfahrung diejenigen Modelle ausgewählt, die Sie am häufigsten in der Praxis benötigen. So werden Sie in die Lage versetzt, in Ihrem Unternehmen selbstständig Vorhersagemodelle zu entwickeln.

Sonstiges Merkmal

Grundlagen (Lernzielniveau)