Funktionen

Bildungs- und Beratungsanbieter

alfatraining Bildungszentrum GmbH Mannheim alfatraining Bildungszentrum GmbH Mannheim aus 68159 Mannheim, Universitätsstadt

Klicken Sie hier, um das Profil des Anbieters aufzurufen.

Dieser Anbieter wurde nach den Bildungszeitgesetz (BzG BW) anerkannt.

Ob für einen Kurs Bildungszeit beansprucht werden kann, hängt von weiteren Voraussetzungen ab. Der Anbieter erteilt Ihnen gerne Auskunft, ob für einen Kurs z.B. thematisch oder vom Umfang her (durchschnittlich 6 Zeitstunden Unterricht pro Tag) Bildungszeit in Frage kommt.

Bewertung dieses Anbieters

Machine Learning

Kurs-ID 6731-0006-20210510
Datum 10.05.2021 bis 04.06.2021
Dauer 4 Wochen
Unterrichtszeiten Montag bis Freitag von 08:30 bis 15:35 Uhr (in Wochen mit Feiertagen von 8:30 bis 17:10 Uhr)
Kosten k. A.
Zielgruppe Informatiker/-innen, Mathematiker/-innen, (Wirtschafts-)Ingenieure/-innen, Elektrotechniker/-innen.
Voraussetzung Grundlagenwissen in Python wird empfohlen.
Abschluss Zertifikat/Teilnahmebestätigung
Förderung Arbeitsagentur, Jobcenter, Beschäftigungs- und Qualifizierungsgesellschaften, BFD, DRV
Präsenzkurs Keine Angabe.
mind. Teilnehmerzahl 6
max. Teilnehmerzahl 25
URL des Kurses Details beim Anbieter
Anmelde URL des Kurses Direkte Anmeldung beim Anbieter
spezielles Angebot für Dozenten Nein.
Veranstaltungsort
 
alfatraining Bildungszentrum GmbH
E1 16
68159 Mannheim

 

Abendkurs Bildungsgutschein Barierrefreier Zugang
Nein Ja Ja

 

Beschreibung
Machine Learning:

Einführung in Machine Learning (ca. 5 Tage)
Warum Machine Learning?
Anwendungsbeispiele
Überwachtes Lernen, Unüberwachtes Lernen, Teilüberwachtes Lernen, Reinforcement Lernen
Beispiele für Datenbestände
Daten kennenlernen
Trainings-, Validierungs- und Testdaten
Daten sichten
Vorhersagen treffen

Überwachtes Lernen (ca. 5 Tage)
Klassifikation und Regression
Verallgemeinerung, Overfitting und Underfitting
Größe des Datensatzes
Algorithmen zum überwachten Lernen
Lineare Modelle
Bayes-Klassifikatoren
Entscheidungsbäume
Random Forest
Gradient Boosting
k-nächste-Nachbarn
Support Vector Machines
Conditional Random Field
Neuronale Netze und Deep Learning
Wahrscheinlichkeiten

Unüberwachtes Lernen (ca. 5 Tage)
Arten unüberwachten Lernens
Vorverarbeiten und Skalieren
Datentransformationen
Trainings- und Testdaten skalieren
Dimensionsreduktion
Feature Engineering
Manifold Learning
Hauptkomponentenzerlegung (PCA)
Nicht-negative-Matrix-Faktorisierung (NMF)
Manifold Learning mit t-SNE
Clusteranalyse
k-Means-Clustering
Agglomeratives Clustering
Hierarchische Clusteranalyse
DBSCAN
Clusteralgorithmen

Evaluierung und Verbesserung (ca. 2 Tage)
Modellauswahl und Modellevaluation
Abstimmung der Hyperparameter eines Schätzers
Kreuzvalidierung
Gittersuche
Evaluationsmetriken
Klassifikation

Projektarbeit (ca. 3 Tage)
Zur Vertiefung der gelernten Inhalte
Präsentation der Projektergebnisse

 

Gelistet in folgenden Rubriken: