Beschreibung
Das Modul Machine Learning mit R gibt einen Einblick in die unterschiedlichen Algorithmen des Maschinellen Lernens. Die Theorie dahinter wird dabei anhand von Praxis-Übungen aus den Bereichen Clustering, Virtuelle Sensoren und Zeitreihenvorhersage vermittelt. In diesem Modul werden Sie sich hauptsächlich mit der Anwendung des Machine Learning auf numerischen Daten beschäftigen.
Wenn heutzutage von Künstlicher Intelligenz gesprochen wird, meinen die meisten eigentlich Maschinelles Lernen. Maschinelles Lernen, oder Machine Learning, lässt die Daten für einen sprechen. Denn anstatt dass Sie selbst Regeln erstellen, z. B. wie Sie einen Prozess möglichst effizient ablaufen lassen oder wann die nächste Wartung durchgeführt werden muss, finden Machine Learning Algorithmen mit Ihrer Hilfe diese Regeln selbst.
Dabei unterteilt sich Machine Learning in drei Hauptbereiche: Supervised Learning, Unsupervised Learning und Reinforcement Learning. Sie werden aus diesen Bereichen zahlreiche Algorithmen kennenlernen und ausgewählte Algorithmen (KMeans, DBSCAN, Random Forest, XGBoost, Neuronale Netze, LSTMs) in drei Praxis-Übungen selbst intensiv anwenden. Gerne können Sie hierfür auch Ihre eigene Fragestellung inkl. der notwendigen Daten mitbringen.
Hinweis zum Ablauf
Sie benötigen zur Teilnahme an einem unserer Online-Seminare einen Computer mit Internetzugang (empfohlene Bandbreite 1-2 MBit/s). Sie erhalten nach der Anmeldung eine detaillierte Installationsanleitung für die erforderliche Statistik- und Videokonferenz-Software (Teilnahme mit Browser möglich). Bei Bedarf können Sie einen Fernzugang zu einem Schulungscomputer mit der erforderlichen Software erhalten.
Zielgruppe
Das Seminar Machine Learning mit R ist für Beschäftigte aus operativen Bereichen, R&D und IT mit grundlegenden Programmierkenntnissen geeignet, welche die Potenziale von Data Science, Künstlicher Intelligenz und Maschinellem Lernen für ihren Bereich kennenlernen und hautnah erfahren möchten. Anwender, Studenten, Doktoranden und Forscher aus den mathematischen, statistischen, naturwissenschaftlichen, ingenieurwissenschaftlichen, informationstechnologischen, betriebs-, wirtschafts-, markt- und sozialwissenschaftlichen Bereichen sind ebenfalls willkommen.
Zielsetzung
Am Ende des Seminars Machine Learning mit R werden Sie eine Kategorien-Einteilung/Clustering mit Unüberwachtem Lernen/Unsupervised Learning (PCA, k-Means, DBSCAN) durchführen können, eine Trendvorhersage mit Überwachtem Lernen/Supervised Learning (Neuronale Netze, XGBoost, LSTM) durchführen können und einen Virtuellen Sensor mit Überwachtem Lernen/Supervised Learning (Decision Tree, Random Forest, XGBoost) entwickeln können.
Hinweise zur Prüfung und Zertifikat/Abschluss
Schulungszertifikat bei Anwesenheit von mind. 90 % der Schulungszeit
Förderungsmöglichkeiten
Bildungsurlaub, Weiterbildungsscheck, Weiterbildungsbonus, QualiScheck (kein Bildungsgutschein)
Teilnahmevorraussetzungen
Für das Seminar Machine Learning mit R ist Voraussetzung, entweder das Seminar Data Science und Künstliche Intelligenz mit R besucht zu haben oder dessen Inhalte zu kennen. Speziell gehört dazu, in R programmieren zu können und ein grundsätzliches Verständnis von Modellierung und dem zugehörigen Prozess zu haben.
Preishinweis
Preis inkl. MwSt.
Selbstzahler erhalten 50 % Rabatt, der Kurs ist außerdem Bestandteil des 5-tägigen Seminars "Data Science Crash Course". Bei Buchung des 5-tägigen Seminars zahlen Sie 10 % weniger als für die Teilkurse.
