INHALTE
Einführung in Python
- Hintergründe/Geschichtliches zu Python
- Was ist in Python anders als in anderen Programmiersprachen?
- Datenstrukturen: Listen, Tupel, Dictionaries
- Funktionen und Module in Python. Eigene Module schreiben.
- Die Python-Standardbibliothek
Einführung in Data Science
- Das OSEMN- und CRISP-DM-Data-Science-Prozess-Modell
- Fallstudie: Große Datenmengen mit Python und Pandas analysieren und mit Matplotlib visualisieren
Einführung in Machine Learning
- Was ist Machine Learning?
- Funktionsweise konkreter Machine-Learning-Modelle (k-Nearest Neighbors, Decision Trees, Random Decision Forests)
- Deep Learning vs. klassisches Maschinelles Lernen
- Fallstudie: Anomalieerkennung bzw. Prädiktion mit Neuronalen Netzen
REFERENT
Prof. Dr.-Ing. Jürgen Brauer
Prof. Dr.-Ing. Jürgen Brauer ist Professor für Sensordatenverarbeitung und Programmieren an der Hochschule für Angewandte Wissenschaften Kempten. 2014 promovierte er am Karlsruher Institut für Technologie (KIT) im Bereich Machine Learning und Computer Vision. Seine Hauptarbeitsgebiete sind Data Science, Machine Learning und Computer Vision.
DAS SAGEN UNSERE TEILNEHMER
Aktuell gibt es für dieses Seminar noch keine Beurteilung unserer Teilnehmer. Wir freuen uns aber immer über Ihr Feedback.
ZIELE
IN DIESEM SEMINAR LERNEN SIE:
- Python-Programmierung
- Datenanalyse mit Python
- Einführung in Data Science
- Einführung in Machine Learning
ZIELGRUPPE
- Betreiber
- Administratoren
- Projektleiter
- Entscheider
- Führungskräfte
Zielgruppe sind sowohl technisch arbeitende Mitarbeiter (Umsetzer) als auch Führungskräfte, die den Bereich Data Science und Machine Learning besser verstehen möchten. Durch konkrete Fallstudien wird deutlich gemacht und praktisch vorgeführt, was mit Data Science und Machine Learning möglich ist und wie beides in der Praxis realisiert werden kann.