Weiterbildung

 

Kurs 4: Analytics I - Machine Learning mit Big Data

Möchten Sie viele und grosse Datenmengen auswerten, die Sie gesammelt haben? Sie müssen datengesteuerte Entscheidungen in Ihren Prozess treffen und einbinden ?

Dieser Kurs bietet einen Überblick über Machine Learning, um Daten zu erforschen, zu analysieren und zu nutzen.

Sie werden in Werkzeuge und Algorithmen eingeführt, die Sie verwenden können. Machine Learning und Lernmodelle umsetzen, die aus Daten lernen und die auch bei vielen und grossen Datenmengen skalieren.

 

Eine der häufigsten Aufgaben von Datenwissenschaftlern und Datenanalysten sind Vorhersage und maschinelles Lernen. Dieses Modul deckt die Grundkomponenten des Aufbaus und Anwenden von Vorhersagefunktionen mit Schwerpunkt auf praktischen Anwendungen ab. Der Kurs wird grundlegende Grundlagen in Konzepten wie Training und Tests Sets, Overfitting und Fehlerraten. Das Modul  wird auch eine Reihe von modellbasierten und algorithmischen maschinellen Lernmethoden einschließlich Regression, Klassifizierungs Bäume, Naive Bayes und random Forests vorstellen. Das Modul deckt den kompletten Prozess des Aufbaus von Vorhersagefunktionen ab, einschließlich Datenerfassung, Merkmalserstellung, Algorithmen und Auswertung.

Kurs D 

Organisation

Dauer10 Halbtage (40 Lektionen)
Durchführung:wöchentlich
Lehrgänge:1-2 mal jährlich
HeimstudiumAls Vorbereitung- und Vertiefung sind 6-8 Stunden pro Ausbildungseinheit einzurechnen

Kurskosten

Einschreibegebühr 170.-
Kurskosten1'880.-
Lehrmittelinkl.

Nutzen/Lernziele

Nach der Teilnahme dieses Kurses sind Sie in der Lage:

  • Machine Learning Techniken anzuwenden, um Daten für die Modellierung zu erforschen und vorzubereiten
  • die Art des maschinellen Lernproblems zu identifizieren, um die entsprechenden Techniken anzuwenden
  • mit weit verbreiteten Open-Source-Tools, die Modelle zu konstruieren, die aus Daten lernen
  • Big Data Probleme mit skalierbaren maschinellen Lernalgorithmen auf Spark zu analysieren

Voraussetzung

  • Besuch Kurs: Einführung in Big Data—Basis und Grundlagen

  • Kenntnisse im Umgang mit virtuellen Maschinen

  • Hardwareanforderungen:
    Quad Core Prozessor (VT-x oder
    AMD-V Unterstützung empfohlen),
    64-Bit; (B) 8 GB RAM; (C)
    20 GB Festplatte frei

  • Softwareanforderungen:
    diverse kostenlose Open-Source-Tools (werden im Unterricht bereitgestellt)


Um sicherzustellen, dass der von Ihnen vorgesehene Ausbildungsweg wirklich Ihren Bedürfnissen entspricht, bieten wir eine kostenlose und unverbindliche Ausbildungsberatung an.

Einen Termin für ein Beratungsgespräch können Sie gerne telefonisch unter 031 398 98 00 oder direkt auf unserer Webseite vereinbaren.

Modulübersicht

Block 1

Willkommen zu Machine Learning mit Big Data

Ausblick und Einführung zu Machine Learning mit Big Data

 

Block 2

Grundbegriffe der Datenforschung und Grundlagen der Datenforschung. Datenforschung und Darstellung

Datenaufbereitung und Qualität der Daten. Features und Dimensionen der Datenaufbereitung

Datenaufbereitung und Domain Know How.

 

Block 3

Klassifizierung. Klassifizierungsmodelle und Algorithmen.

 

Block 4

Evaluierung von Machine Learning Modellen. Machine Learning Metriken.

 

Block 5

Regression, Clusteranalyse und Assoziationsanalyse 

 

Block 6

Vorhersage, Fehler und Kreuzvalidierung

Dieser Block  wird die Vorhersage, die relative Bedeutung von Schritten, Fehlern und Kreuzvalidierung abdecken.

 

Block 7

Das Caret-Paket

In diesem Block  wird das Caret-Paket vorgestellt, Werkzeuge zum Erstellen von Features und Vorverarbeitung.

 

Block 8

Vorhersage mit Bäumen, random Forests und modellbasierten Vorhersagen

In diesem Block  stellen wir Ihnen eine Reihe von maschinellen Lernalgorithmen vor, mit denen Sie Ihr Kursprojekt vervollständigen können.

 

Block 9

Regelbasierte Regression und Kombination von Prädiktoren

In diesem Block  werden wir die reguläre Regression abdecken und die Prädiktoren kombinieren.