Kursbeschreibung
Dieser Intensivkurs zum Machine Learning gibt dir einen umfassenden Überblick über die vielfältigen Einsatzmöglichkeiten von Machine Learning in Unternehmen. Anhand zahlreicher Fallbeispiele siehst du, wie Machine Learning echten Mehrwert schaffen kann – und warum es weit mehr ist als nur ein Schlagwort.
Im praktischen Teil des Kurses lernst du, wie Machine Learning konkret umgesetzt wird. Dabei arbeitest du mit der Programmiersprache Python sowie mit leistungsstarken, kostenfreien Bibliotheken wie scikit-learn und TensorFlow/Keras. Diese Werkzeuge sind zentrale Bestandteile moderner Machine-Learning-Projekte und bilden die Grundlage für viele Anwendungen in der Praxis.
Auch wenn du noch keine Erfahrung mit Python hast, ist das kein Problem. Der Kurs ist für Einsteiger konzipiert und führt dich Schritt für Schritt in die Grundlagen von Python sowie in deren Einsatz für Machine Learning und künstliche Intelligenz ein. Am Ende des Kurses verstehst du nicht nur die theoretischen Grundlagen, sondern verfügst auch über praktische Fähigkeiten, um Machine Learning in deinem eigenen Arbeitsumfeld anzuwenden.
Die wichtigsten Themen im Überblick
- Machine Learning praxisnah verstehen
- scikit-learn professionell einsetzen
- Daten vorbereiten mit Pandas
- Modelle trainieren & evaluieren
- TensorFlow & Keras anwenden
- Eigene ML-Projekte umsetzen
Zielgruppe
Voraussetzung für die Schulung
Kursinhalte
Folgende Lerninhalte werden in unserem Python Kurs vermittelt:
- Einführung ins Machine Learning
- Was ist eigentlich Machine Learning?
- Unterarten des Machine Learning
- Was kann Machine Learning leisten?
- Was kann Machine Learning nicht leisten?
- Fallbeispiele zum Machine Learning
- Funktionsweise von Machine Learning Algorithmen (anhand von drei Verfahren erklärt)
- Einführung in Python
- Wichtige Datentypen in Python (Listen, Tupel, Dictionaries)
- Funktionen in Python schreiben
- Eigene Module in Python schreiben
- Unterschiede zwischen Python und anderen wichtigen Programmiersprachen
- Daten einlesen und aufbereiten mit Pandas und NumPy scikit-learn
- Was bietet scikit-learn für Algorithmen?
- Überblick über diese Bibliothek
- Fallstudie: Wird der Kunde das Produkt kaufen oder nicht?
- Alle Schritte um dieses Problem mit scikit-learn zu lösen
- Abspeichern, Wiederherstellen und Anwenden trainierter Modelle
- TensorFlow / Keras
- Was bietet TensorFlow / Keras?
- Überblick über diese Bibliothek
- Fallstudie: Für welchen Preis kann ein Haus verkauft werden?
- Alle Schritte um dieses Problem mit TensorFlow / Keras zu lösen
