Machine Learning
Machine Learning bezeichnet Verfahren, bei denen ein Modell aus Beispieldaten Regeln ableitet und damit Vorhersagen für neue Fälle trifft. Der Machine Learning Kurs folgt dem Weg eines solchen Modells von der Datenprüfung über das Training in Python bis zur Bewertung seiner Ergebnisse.
Lernziele
- Überwachtes von unüberwachtem Lernen über Merkmale und Zielgrößen unterscheiden
- Verteilungen, Lage- und Streuungsmaße eines Datensatzes ermitteln und die Datenqualität beurteilen
- Merkmale anhand statistischer Zusammenhänge auswählen
- Daten in Trainings- und Testmenge trennen und für das Modell vorbereiten
- Einen zur Fragestellung passenden Algorithmus wählen und in scikit-learn trainieren
- Modelle per Kreuzvalidierung, Genauigkeit und Fehlerrate bewerten
- Über- und Unteranpassung feststellen und belastbare Effekte von Zufallsbefunden trennen
Daten prüfen, Modell trainieren, Ergebnis bewerten
Am Beginn jedes Machine-Learning-Vorhabens steht der Datenbestand. Strukturierte Daten kommen per SQL, statistische Kennwerte beschreiben sie, und Zusammenhangsmaße zeigen, welche Merkmale für eine Vorhersage taugen. Aus einer prüfbaren Hypothese wird die Modellfrage, und sie bestimmt, ob ein überwachtes oder ein unüberwachtes Verfahren in Betracht kommt.
Das Training findet in Python statt. Mit scikit-learn wird ein Modell an Trainingsdaten angepasst und an zurückgehaltenen Testdaten gemessen. Gütemaße und Kreuzvalidierung machen sichtbar, ob das Modell zu grob bleibt oder sich zu eng an die Beispiele klammert. Die Statistik liefert dabei den Maßstab: Schwanken die Fehlermaße von Datenausschnitt zu Datenausschnitt stark, ist das Ergebnis unsicher. Zum Engineering-Teil gehört, die einzelnen Schritte der Modellierung in einen automatisierten, wiederholbaren Ablauf zu bringen und die Vorhersagen grafisch oder in einem Power-BI-Dashboard auszugeben.
Einsatzfelder im Beruf
- Machine Learning Engineer bzw. ML-Entwickler:in für Training und Prüfung von Modellen
- Data Scientist bzw. Datenwissenschaftler:in für Modellbildung und Merkmalsauswahl
- Python Developer bzw. Python-Programmierer:in für den Modellbau mit scikit-learn
- Data Analyst bzw. Datenanalyst:in für Auswertung und Validierung von Vorhersagen
Allgemeine Informationen
- Labels
- KW47-2:neue Titel
Kategorie
- Kursart
Weiterbildungsangebot
- Systematik
- KI-Entwicklungen, KI-Anwendungen
- Keywords
- Machine-Learning
- Machine Learning
- Learning
- Machine Learning Engineering
- Machine Learning Weiterbildung
- Machine Learning Kurs
- Bildungsart
Fortbildung/Qualifizierung
- Schulart
Einrichtung der beruflichen Weiterbildung
Gesamtkosten
- Kosten
2.000 €
- Kosten Bemerkung
Die Kosten für den Kurs Machine Learning sind in Vollzeit und in Teilzeit identisch und beinhalten Schulungsunterlagen sowie Softwarelizenzen.
Abschluss & Zulassung
- Abschlussart
Internes Trägerzertifikat: Machine Learning von Lutz + Grub
- Abschlussbezeichnung
Machine Learning
- Anrechnung
keine Angabe
- Berechtigung
keine Angabe
- Zusatzqualifikationen
keine Angabe
- Prüfende Stelle
Eine interne Prüfungskommission ist für die Abnahme der Prüfung des Kurses Machine Learning zuständig.
Sonstiges
- Zugang
Die Teilnahme am Kurs Machine Learning erfordert lediglich Interesse am Themengebiet. Besondere Vorkenntnisse sind nicht notwendig.
- Zielgruppe
Data Science als Berufsziel: Der Kurs Machine Learning richtet sich an alle Personen, die künftig in dem Bereich Data Science arbeiten möchten.