Machine Learning mit Python

Zielgruppen:

keine Angaben

Fachliche Voraussetzungen:

gute Kenntnisse in SQL und Python

Technische Voraussetzungen:

Keine besonderen Anforderungen.

Systematik der Agenturen für Arbeit:

• C 1435-10-45 Softwareentwicklung, Programmierung - andere Programmiersprachen/Technologien

Inhalte

Dieser fortgeschrittene Python-Kurs befasst sich mit den Themen Knowledge Discovery in Datenbanken und dem Begriff des Data-Mining, bei dem es vorwiegend um das Finden von neuen Mustern und Gesetzmäßigkeiten geht. In diesem Kurs bieten wir einen Überblick über die Potenziale von Künstlicher Intelligenz (KI), einschließlich Tools wie ChatGPT (GPT). Wir möchten den Teilnehmenden eine interaktive und praxisnahe Lernerfahrung ermöglichen und ihre Fähigkeiten in diesem Bereich fördern.

Inhalt

Grundlagen des maschinellen Lernens
Lernalgorithmen für die Klassifizierung trainieren
Machine-Learning Klassifizierer mit Scikit-learn verwenden
Datenvorverarbeitung
Datenkomprimierung durch Dimensionsreduktion
Best Practices zur Modellbewertung und Hyperparameter-Abstimmung
Kombination verschiedener Modelle für das Ensemble Learning
Machine Learning zur Analyse von Stimmungslagen nutzen
Einbetten eines Machine-Learning-Modells in eine Webanwendung
Vorhersage stetiger Zielvariablen durch Regressionsanalyse
Verwendung nicht gekennzeichneter Daten: Clusteranalyse
Implementierung eines künstlichen neuronalen Netzes
Parallelisierung des Trainings neuronaler Netze mit TensorFlow
Die Funktionsweise von TensorFlow im Detail
Bildklassifizierung mit tiefen konvolutionalen neuronalen Netzen
Modellierung sequenzieller Daten durch rekurrente neuronale Netze