Machine Learning Hands-on Workshop

Data Science und Machine Learning bilden keine Ausnahme: die graue Theorie kann praktische Erfahrung nicht ersetzen. Datenhandhabung und Analyse lassen sich am besten in Ihrer Anwendung erlernen. Indem Fehler gemacht und aus diesen retrospektiv Erkenntnisse abgeleitet werden, festigen sich der Erfahrungsschatz und das Wissen. In diesem Kurs behandeln die Teilnehmerinnen und Teilnehmer anhand eines Fallbeispiels alle Aspekte der Datenanalyse und des Aufbaus von Machine Learning Modellen. Angefangen von der Datennahme, über die Verarbeitung und Bereinigung der Daten, hin zu einfachen statistischen Modellen, Hypothesen und letztendlich dem Training und der Validierung von Machine Learning Algorithmen, behandelt der Kurs alle Aspekte der Arbeit eines Data Scientist.

• Wiederholung
- Interaktiv arbeiten mit Jupyter Notebooks- Python (Grundlagen & Bibliotheken: numpy, pandas, matplotlib, scikit-learn)- Machine Learning
• Vorstellung des Fallbeispiels
- Beschreibung der Problemstellung- Gemeinsames Brainstorming zum Vorgehen- Vorstellung eines minimalen Prototypen
• Gruppenarbeit der TN
- Regelmäßige Q&A Runden- Individuelle Hilfestellungen
• Vorstellung der Ergebnisse

Der Kurs richtet sich an Anwenderinnen und Anwender, die anhand eines Fallbeispiels den Umgang mit echten Daten und die Implementierung von Machine Learning Lösungen üben wollen.

Grundlegende Kenntnisse in der Programmiersprache Python werden vorausgesetzt. Diese können beispielsweise in den Kursen Python für Einsteiger – Einführung in die Programmierung oder Python für Programmierer – Grundlagen für den schnellen Umstieg erworben werden.

Die Teilnehmerinnen und Teilnehmer sollten außerdem erste Erfahrungen sowohl mit Datenanalyse als auch mit Machine Learning gesammelt haben. Diese können z. B. durch den Besuch der Trainings Python für Data Science – Datenanalyse und Einblick Machine Learning und Machine Learning – Data Science und künstliche Intelligenz erworben werden.