Machine Learning
Ein Kurs, der die Grundlagen des maschinellen Lernens von der Datenaufbereitung bis zum eigenen Modell vermittelt. Zuerst wird eingeordnet, was Machine Learning leisten kann und warum jedes Modell mit sauber vorbereiteten Daten beginnt: Mit pandas werden Datensätze aufbereitet, im Feature Engineering entstehen die Merkmale, aus denen ein Modell lernt. Anschließend werden überwachtes und unüberwachtes Lernen gegenübergestellt und mit scikit-learn angewendet; Training und Evaluierung zeigen, wie zuverlässig ein Modell arbeitet. Neuronale Netze erweitern das Spektrum und werden mit TensorFlow und Keras umgesetzt. In einem Praxisprojekt konzipieren die Teilnehmenden ein eigenes Datenprojekt, entwickeln ein Modell von der Aufbereitung bis zur Bewertung und stellen die Ergebnisse mit matplotlib und seaborn dar. Gearbeitet wird durchgehend mit Python in Jupyter Notebooks. Mögliche Einsatzfelder sind Machine Learning Engineering, Data Science und Datenanalyse mit Schwerpunkt Modellierung.
Letzte Aktualisierung:
Daten aus dem öffentlichen Datenbestand der Bundesagentur für Arbeit.