Machine Learning mit Python

Następny termin:
Ständig im Angebot mit laufendem Einstieg
Łączny czas trwania:
270 Stunden in 30 Tage
Praktyka:
Nein
Język wykładowy:
  • Deutsch
Rodzaj szkolenia:
  • Weiterbildung 
Forma oferty:
Czas przeprowadzania zajęć:
  • Tagesveranstaltung
Min. ilość uczestników:
keine Angaben
Maks. ilość uczestników:
12
Cena:
keine Angaben
Finansowanie:
  • EU/Bund/Land 
  • Bildungsgutschein 
  • Qualifizierungschancengesetz 
Rodzaj dyplomu:
Zertifikat/Teilnahmebestätigung 
Egzamin końcowy:
Nein
Rodzaj świadectwa ukończenia:
keine Angaben
Certyfikaty oferty:
  • SGB III-Maßnahmezulassung 
Oferty tylko dla kobiet:
Nein
Organizatorzy oferujący opieką dla dzieci:
Nein
Link do oferty:
Jakość informacji:
Suchportal Standard Plus

Grupy docelowe:
keine Angaben
Wymagania specjalistyczne:
 Individuelle Eignung
Wymagania techniczne:
Keine besonderen Anforderungen.
Systematyka agencji zatrudnienia:
  • C 1435-10-45 Softwareentwicklung, Programmierung - andere Programmiersprachen/Technologien

Treści

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

Wszystkie informacje bez gwarancji. Za poprawność informacji odpowiadają wyłącznie organizatorzy.

Po raz pierwszy opublikowano dnia 17.10.2024, Ostatnia aktualizacja 16.10.2024