Machine Learning (Maschinelles Lernen) versteckt sich heutzutage in allen Algorithmen, die schnell und automatisiert Entscheidungen treffen müssen: So unter anderem in der Medizin (z.B. um Krebszellen zu identifizieren), industrielle Qualitätskontrolle (z.B. um defekte Fertigungsstücke zu identifizieren) oder am Finanzmarkt (z.B. bei Aktienkursanalysen). In diesem 1-tägigen Seminar erwerben die Teilnehmer grundlegendes Wissen zu den aktuellsten Machine Learning-Verfahren, sowie deren Anwendungsgebieten. Kurze Einblicke in den mathematischen Hintergrund veranschaulichen die Einsatzmöglichkeiten und Anwendungen.
Experte/Trainer: Dr. Benjamin Leiding
Seminarinhalt
- Entwicklung von Machine Learning-Verfahren
- Historische Einleitung
- Einteilung der Methoden
- Supervised Learning / Überwachtes Lernen
- Theoretische Grundlagen
- SVM
- Entscheidungsbäume (Decision Trees)
- k-nearest Neighbor (KNN) Classifier
- Perceptron
- Neuronale Netze (Neural Networks)
- Anwendungsbeispiele
- Praktischer Teil
- Unsupervised Learning / Unüberwachtes Lernen
- Theoretische Grundlagen
- k-means
- Gaussian Mixture Models
- Hebbian Learning
- Anwendungsbeispiele
- Praktischer Teil
- State-of-the-Art
- Deep-Learning
- Big-Data Verfahren
- Anomaly Detection
- Praktischer Teil
Zielgruppe
- Führungskräfte (CEO, CTO, etc.)
- IT-Management
- Mitarbeiter/Entwickler mit Interesse an Machine Learning
Voraussetzungen
- Programmierkenntnisse in Python sind von Vorteil
- Interesse an neuen Technologien
Schulungsunterlagen
Nach Absprache
Course Features
- Lectures 0
- Quizzes 0
- Duration 50 hours
- Skill level Alle Stufen
- Language English
- Students 0
- Assessments Yes
Lehrplan ist leer
