Grundlagen Machine Learning

Workshop: Methoden und Algorithmen zur praktischen Umsetzung mit Python
Das Seminar behandelt Grundlagen des Machine Learning und stellt einige grundlegende Verfahren und Algorithmen vor. Machine Learning bzw. Künstliche Intelligenz wird heute in verschiedensten Anwendungen nutzbringend eingesetzt (Produktionsprozesse, Qualitätssicherung, Verkehrsflüsse, Lastmanagement in der elektrischen Energieversorgung u.a.). Hierfür stehen eine Vielzahl an Methoden und Algorithmen zur Verfügung. Sinnige Ergebnisse versetzen Anwender in die Lage, kluge Entscheidungen aus Daten abzuleiten.
Das Seminar beantwortet zwei wichtige Fragen: – Wie werden neue Erkenntnisse aus Daten gewonnen? – Wie wird ein Computer dazu gebracht, aus Daten zu lernen, um anschließend selbstständig Entscheidungen zu treffen? Nach dem Seminar stehen Ihnen ein Methodenkatalog und eine Algorithmensammlung zur Verfügung, die auf neue Applikationen angewendet werden können.
Methodik Begleitend zur Theorie wird die praktische Umsetzung anhand einfacher Beispiele erläutert. Hierzu wird Python verwendet. Voraussetzungen Notwendige Vorkenntnisse sind grundlegende Programmierkenntnisse und mathematische Grundlagen (lineare Gleichungssysteme, Statistik u.a.). Rechner stehen zur Verfügung. Es kann jedoch auch ein eigenes Notebook mit installierter Python-Umgebung (Empfehlung Anaconda) mitgebracht werden.
Softwareentwickler, Systementwickler und Entscheider, die sich einen Überblick über Möglichkeiten und Chancen von Machine Learning verschaffen wollen

Montag, 3. und Dienstag, 4. Juli 2023
9.00 bis 12.15 und 13.45 bis 17.00 Uhr

Grundlagen:
– Einführung Machine Learning
– Extraktion von Merkmalen aus Daten
– Datenvorverarbeitung
– Distanzmetriken

Clustering
– Finden von Gruppen in Datensätzen
– partitionierende Verfahren (k-means)
– Programmierübung mit Python sklearn

Classification
– automatische Zuordnung von Daten, zum Beispiel Erkennung eines Objekts auf Basis von Eigenschaften
– Verfahren: zum Beispiel k-nearest neighbors, decision trees, support vector machines, artificial neural networks u.a.
– Programmierübungen mit Python sklearn und tensorflow/keras