Machine Learning in R
Essential Data Science Training GmbHMachine Learning in R
Alle verfügbaren Kurstermine
Beschreibung
Machine Learning in R
Im Alltag, in den Medien und in der Wirtschaft werden die Begriffe künstliche Intelligenz (engl. artificial intelligence) und überwachtes machinelles Lernen (engl. supervised machine learning) oft gleichgestellt. Genaugenommen ist überwachtes maschinelles Lernen aus wissenschaftlicher Sicht aber nur ein viel kleineres Teilgebiet der künstlichen Intelligenz, da unter künstliche Intelligenz auch andere Forschungsbereiche wie Robotik und Computer-Vision gezählt werden.
In diesem Kurs werden Algorithmen und allgemeine Konzepte es überwachten maschinellen Lernens vorgestellt, die besonders für die Modellierung nicht-linearer Zusammenhänge für komplexe Klassifikations- und Regressionsprobleme geeignet sind. Die grundlegenden Prinzipien der vorgestellten Algorithmen und Konzepte werden für Anfänger verständlich erläutert, deren Funktionsweise illustriert und die Vor- und Nachteile diskutiert. Alle eingeführten Algorithmen und Themen werden anhand praktischer Beispiele und Anwendungsfälle veranschaulicht und mit Übungsaufgaben von Teilnehmern eingeübt.
Im Kurs kommt die Anwendung des R Erweiterungspaket mlr3 zum Einsatz, welches auch vom Team der Essential Data Science Training GmbH seit Jahren mitentwickelt wird.
Inhalte / Module
-
Begriffserklärung und Einführung in allgemeine Machine Learning Grundlagen.
-
Erläuterung der Funktionsweise von beliebten Algorithmen, z.B.: Klassifikations- und Regressionsbäume (CART), Random Forests und Gradient Boosting.
-
Aufteilung in Trainings- und Testdaten sowie Resampling-Prozeduren zur Modellevaluation (z.B. Kreuzvalidierung, Bootstrap).
-
Vergleich und Eigenschaften verschiedener Gütemaße um die Performance von Machine Learning Modellen zu evaluieren.
-
Einführung in die ROC Analyse für Klassifikationsmodelle, inkl. Hinweise für unausgewogene bzw. unbalancierte Daten (unterschiedliche Klassengröße).
-
Methoden für das Hyperparameter-Tuning um Lernalgorithmen optimal zu konfigurieren.
-
Modellselektion durch Nested Resampling um Overfitting und Overtuning zu vermeiden.
-
Methoden zur Variablenselektion (z.B. Feature filtering, Feature selection)
Zielgruppe / Voraussetzungen
-
Kenntnisse in R (Im Umfang des 2-tägigen R Basiskurs bzw. 1-tägigen R Crashkurses)
-
Allgemeines Grundverständnis in der Datenanalyse / Statistik.
Eigenen Laptop mitbringen mit ausreichend Berechtigungen, um sich mit WLAN-Netze zu verbinden und folgender Software für
- R Kurse: R, RStudio (ab Version 1.1.X) und ausreichend Berechtigungen um R Erweiterungspakete installieren zu können (z.B. mit dem Befehl install.packages)
- Python Kurse: Python (ab Version 3.6), ein beliebiger Python-IDE und ausreichend Berechtigungen um Python module installieren zu können (z.B. über conda install oder pip install). Wir empfehlen die Anaconda Python Distribution (enthält beides).
Gegen Aufpreis können wir auch voll eingerichtete Laptops vermieten, wenn Sie uns ca. 1 Woche vor Kursbeginn bescheid geben.
Inhouse-Variante
Auch Inhouse buchbar. Stellen Sie hierzu gerne eine Informationsanfrage!
Kostenzusatz
Preis Kategorien:
- Tag 1-5 (komplett): 2.380,00 Euro
- Tag 1-3 (kompakt): 1.499,40 Euro
- Tag 2-3 oder Tag 4-5: 999,6 Euro (für jeweils 2 Kurstage)
Infos anfordern
Kontaktinformation Essential Data Science Training GmbH
Essential Data Science Training GmbH
Essential Data Science Training GmbH

Essential Data Science Training GmbH
Essential Data Science Training GmbH bietet individuelle Inhouse-Kurse, offene Kurse, projektbezogenes Mentoring und Coaching bzw. Projektüberprüfungen (z.B. in Form von Use-Case Workshops) im Bereich Machine Learning, Data Science und Statistik. Das Kursangebot beinhaltet dabei sowohl theoretische Kurse, die auf die...
Inhouse-Variante
Auch Inhouse buchbar. Stellen Sie hierzu gerne eine Informationsanfrage!
IT-Weiterbildung leicht gemacht
Virtuelle Workshops und IT-Fachtrainings von Experten für Profis.