Zum Hauptinhalt springen

Machine Learning von A-Z: Lerne Python & R für Data Science!

Machine Learning von A-Z: Lerne Python & R für Data Science!

Beim Machine Learning generiert ein Computer Wissen anhand von gesammelter Erfahrung. Dabei bauen Algorithmen statistische Modelle auf, welche auf Trainingsdaten beruhen und gegen Testdaten getestet werden, denn damit erkennt der Algorithmus Muster und Gesetzmäßigkeiten.

Dieser Kurs fokussiert sich auf Machine Learning mit wahlweise den Sprachen Python und/oder R. Nach diesem Kurs kann der Teilnehmer Machine Learning auf eigene Daten anwenden und eigenständig fundierte Entscheidungen treffen, zum Beispiel welches Modell verwendet werden soll und wie Daten aufbereitet werden sollen.

Inhaltlich befasst sich der Kurs mit den wichtigen Themen des Machine Learnings, die nun aufgelistet werden:

Regression:

  • Lineale- und Polynomiale Regression

Klassifizierung:

  • Logistische Regression
  • Support Vector Machine (SVM), sowie SVM mit Kernel (rbf, poly)
  • Naive Bayes
  • Entscheidungsbäume
  • Random Forest

Clustering:

  • K-Means-Clustering

Natural Language Processing:

  • Tokenizing
  • Stemming
  • POS-Tagging

Bonus: Deep Learning/Neuronale Netze mit Python:

  • Aufbau und Beschreibung eines neuronalen Netzes
  • Tensorflow und Keras

Dieses Wissen wird der Teilnehmer nicht nur in der Theorie, sondern auch in der Praxis an diversen Projekten anwenden. Praktisch wird der Teilnehmer:

  • mithilfe der Principal Component Analysis (PCA) eine Dimensionsreduktion durchführen,
  • Daten einlesen und sie für ein Modell vorbereiten,
  • unter Einsatz von „Parameter Tuning“ und Grid Search (GridSearchCV in Python, tuneGrid in R) die besten Hyperparameter für ein spezifisches Modell finden, sowie
  • mithilfe von K-Fold Cross-Validation und das Bestimmtheitsmaß sowie der Betrachtung der Genauigkeit Modelle untereinander vergleichen.

Für die praktische Umsetzung finden unter anderem die Tools SKlearn, NLTK, caret und data table Verwendung. Nach dem Kurs wird der Teilnehmer den idealen Einstieg in das Machine Learning gefunden haben und selbstständig das Wissen auf eigene Projekte anwenden können.

Informationen zum Kurs

Anzahl Teilnehmer: 17267

Durchschnittliche Bewertung: 4.7 Sterne

Länge: 36 Stunden


Weitere Kurse zum Thema: