Machine Learning und KI-Methoden
1.140,00 €
Nettopreis (zzgl. MwSt.)
Bruttopreis (inkl. MwSt.)
Veranstaltungsnummer: DIDI018.09
Preisdetails:
Im Preis enthalten ist Lehrmaterial in digitaler Form.
inkl. 19 % MwSt.:
Zielgruppe
Inhalt
- Einführung in Data Science und die Welt der Algorithmen
- Machine Learning und Künstliche Intelligenz - Best Practices und Erfolgsfaktoren
- Einführung in Feature Engineering
- Algorithmen des Überwachten Lernens (Decision Tree, Regression, Neural Network, Naïve Bayes, Support Vector Machines, Ensemble Modeling)
- Algorithmen des Unüberwachten Lernens (Cluster Analysis, Association Analysis)
- Einführung in Deep Learning
- Bewertung der Modell-Performance und Modell-Vergleich
- MLOps - Modell Deployment und operativer Modelleinsatz
Ist kein passender Termin dabei oder Ihr Wunschtermin ist ausgebucht?
16 Seminarstunden
2 Tage
Statistische Grundkenntnisse sind von Vorteil, idealerweise wurde der folgende Kurs bereits besucht:
VDSI Punkte Brandschutz : 0
VDSI Punkte Managementsysteme : 0
VDSI Punkte Gesundheitsschutz : 0
VDSI Punkte Security : 0
VDSI Punkte Umweltschutz : 0
Die theoretischen Inhalte werden in Form von praxisnahen Übungen vertieft. Die dafür notwendige Schulungsumgebung wird gestellt. Der Zugriff auf die Schulungsumgebung erfolgt mit einem Browser (Chrome oder Firefox).
Künstliche Intelligenz im Dreiklang von Herausforderungen, Vorteilen und Kompetenzen
Verwandte Seminare
Im Seminar erhalten die Teilnehmer eine umfassende Einführung in die Programmiersprache Python als Grundwerkzeug für die spätere Datenanalyse und lernen die Entscheidungskriterien für die Datenauswahl und die Datenquellen kennen, die sie für ihre Betrachtung benötigen.
Die durch die Digitalisierung zahlreicher Prozesse, Transaktionen und weiterer Anwendungsfälle entstehenden Datenmengen müssen ausgewertet und analysiert werden, um einen Mehrwert für Unternehmen und Einrichtungen zu schaffen.
Feature Engineering ist die Vorbereitung von Daten für die Verarbeitung in Machine Learning-Algorithmen und von hoher Bedeutung im gesamten Machine Learning-Prozess
KI-Methoden werden eingesetzt, um verflochtene Zusammenhänge datengetrieben zu lernen und die Grenzen klassischer mathematischer Modelle zu überwinden.
Die voranschreitende Digitalisierung wirkt sich auf nahezu jedes Unternehmen aus. Digitale Anwendungen hinterlassen eine riesige Datenmenge, die es auszuwerten gilt, um Prozesse zu verbessern.