Künstliche Intelligenz 04: Machine Learning Python
Praxiskurs Machine Learning für Python Programmierer

Du bist Python-Programmierer und willst die wichtigsten Themen des neuen Themenfelds Machine Learning kennen lernen und herausfinden, ob Du sie in Deine laufende Projekte, Softwarearchitekturen und -designs integrieren kannst? Dann ist dieser Kurs genau der Richtige für Dich. Er deckt alle Tools, Techniken und das Know-How ab, welches Du brauchst, um einfache Machine Learning Projekte erfolgreich umzusetzen. Darüber hinaus führt der Kurs auch in fortgeschrittene Themen des Machine Learning ein. Erfahre mehr über diese spannende Praxisschulung zum Thema Machine Learning mit Python...

Nutzen

  • Schneller und praxisorientierter Einstieg in Machine Learning mit Python
  • Entscheiden ob Machine Learning für Deine Projekte in Frage kommt
  • Inklusive Einführung in die Python-Bibliotheken für ML: Panda, NumbPy, Scikit, etc.
  • Sicherer Einstieg in ein breites Spektrum der künstlichen Intelligenz
  • Grundlagen für weitere KI Themen wie Machine Learning und Deep Learning

Dieser Machine Learning Kurs gibt eine solide Einführung in die Python-Bibliotheken für Data Analyse, Machine Learning und Visualisierung und führt Dich Schritt für Schritt und auf praxisorientierte Weise in den state-of-the-art der Machine Learning Welt ein. Hier lernst Du, welche Probleme sich mit ML gut lösen lassen oder nicht lösen lassen und warum.

Lerne Machine Learning von unseren Experten, und Du wirst erstaunt sein, was möglich ist!

Kursformate

1-Tages-Crash-Kurs

Live-Training

Live oder online large

Lehrmaterial

Lehrmaterial

Video-Clips

Video clips
3-Tages-Kurs

Live-Training

Live oder online large

Lehrmaterial

Lehrmaterial

Verpflegung

Snacks large
4-Wochen Trainingsprogramm

Live-Training

Online large

Lehrmaterial

Lehrmaterial

Video-Clips

Video clips

Alle Kurse beinhalten zusätzlich den zeitlich unbegrenzten Zugang zu unserem Member-Bereich mit vielen weiteren Videos, Tutorials und Infos rund ums Coden.

Inhalte

Der Kurs behandelt eine Auswahl folgender Themen:

  • Introduction to Machine Learning
  • Data Analyse 
  • Visualization 
  • Preparation
  • Python Libraries for ML
  • ML Algorithms
  • ML Pipelines
  • Traditional Machine Learning
  • Linear regression
  • Logicistic regression
  • Decision trees
  • Deep Learning (PyTorch)
  • Moving ML Project into Production

Für weitere Details bitte die untenstehende Agenda ansehen.

Vorkenntnisse

Dieser Machine Learning Kurs ist für Personen mit sehr guten Python-Kenntnissen z.B. im Umfang unseres Python für Programmierer Kurses geeignet.   

Falls Du diesen Kurs mit der Programmiersprache R erlernen möchtest, dann schau Dir den Machine Learning Kurs mit R an. Falls Du Teamleiter, Manager, Geschäftsführer oder Nicht-Programmierer bist, dann schau Dir unseren Kurs Künstliche Intelligenz für Entscheider an. 

  • Individuell: wir gehen gezielt auf Dich ein und berücksichtigen Deine Vorkenntnisse, Wunschthemen und Schwerpunkte

  • Strukturiert und leicht verständlich

  • Bringe deine Karriere, Studium oder Ausbildung auf die nächste Stufe: mit Zertifikat

  • Sicher und eigenständig Programme entwickeln (ob privat, beruflich oder für dein Startup)

  • Viel, viel, viel Praxis: sofort anwendbare Ergebnisse

  • kleine Gruppen: max. 8 Teilnehmer im 3-Tages-Kurs max. 15 Teilnehmer im Online-Coaching

  • Von Experten nach der Raed- Methode® entwickelt & auf die Anforderungen von Tech-Unternehmen im Jahr 2020 ausgerichtet

  • E-Mail-Support auch nach Ende des Kurses

Kursbeschreibung

Dieser Kurs bietet eine praktische Einführung in modernes maschinelles Lernen für Teilnehmer mit Python-Kenntnissen, aber ohne vorherige Erfahrung im maschinellen Lernen. Er deckt alle Werkzeuge, Techniken und Prozesse ab, die notwendig sind, um einfache Machine-Learning-Projekte erfolgreich durchzuführen und bietet eine solide Grundlage für den Einstieg in fortgeschrittenere Themen.

Während der Kurs einen Überblick über verschiedene Ansätze gibt, werden wir uns auf zwei Techniken zur Lösung von ML-Problemen konzentrieren, die sich nicht nur durch den Gewinn zahlreicher Wettbewerbe auf Websites wie Kaggle bewährt haben, sondern auch in unzähligen Industrieprojekten erfolgreich eingesetzt wurden: ensembles of decision trees and deep lear

Bevor eine ML-Technik auf ein Problem angewendet werden kann, ist es notwendig, die vorhandenen Daten zu analysieren, zu bereinigen, zu visualisieren und zu transformieren. Der erste Teil des Kurses befasst sich mit diesen weniger glamourösen, aber absolut wichtigen Aspekten von ML-Projekten. In der zweiten Hälfte werden wir Entscheidungsbäume und vortrainierte tiefe Netzwerke verwenden, um Lösungen mit State-of-the-Art-Leistung für verschiedene ML-Probleme zu entwickeln.

Was lernst Du am ersten Tag?

Wir beginnen mit einer ML Einführung. In diesem kurzen Abschnitt behandeln wir Fragen wie: Was ist ML? Welche Probleme können mit ML-Techniken gelöst werden, welche sind weniger geeignet? Wie sieht ein ML-Entwicklungsprojekt aus? Welche Best Practices sollten Sie anwenden?  

In vielen Fällen hängt der Erfolg praktischer Machine-Learning-Projekte mehr von der Qualität der Daten ab, die zur Steuerung der Algorithmen verwendet werden, als von den Details des ML-Algorithmus. In diesem Abschnitt behandeln wir die wichtigsten Tools zum Sammeln, Bereinigen, Analysieren und Aufbereiten von Daten in Python.

Was lernst Du am zweiten Tag?

Am zweiten Tag lernst Du Traditional Machine Learning. Während Deep Learning einen großen Schwerpunkt in der akademischen Forschung darstellt und für die meisten wahrnehmungsorientierten Probleme überlegene Ergebnisse liefert, sind traditionelle ML-Techniken immer noch brauchbare Lösungen für viele Probleme und werden häufig als Basislinien verwendet, gegen die aufwändigere Lösungen evaluiert werden.

Was lernst Du am dritten Tag?

In diesem Teil des Kurses werden wir uns mit Deep Learning befassen und insbesondere damit, wie vortrainierte DL-Modelle uns Lösungen auf dem neuesten Stand der Technik liefern können, selbst in Fällen, in denen wir nur über begrenzte Daten oder ein begrenztes Rechenbudget verfügen.

Es gibt viele Möglichkeiten für Fehler, wenn ML-Modelle vom Training in die Produktion überführt werden. Obwohl das Thema zu umfangreich ist, um es in diesem Kurs im Detail zu behandeln, geben wir zumindest einen Überblick über einige der wichtigsten Bedenken beim Überführen kleinerer Projekte in die Produktion.

Deine Trainer

Der Machine Learning Kurs für Python-Programmierer wird von einem der folgenden Trainer durchgeführt:

ZERTIFIKAT

Selbstverständlich erhältst Du als Teilnehmer am Machine Learning Kurs für Python Programmierer ein Zertifikat. Voraussetzung dafür ist die komplette Teilnahme an allen Kurseinheiten und Programmier-Aufgaben und die erfolgreiche Programmierung eines kleinen Abschlussprojektes. Das allerdings wird Dir nach dieser intensiven Machine Learning Schulung mehr Freude als Stress bereiten.

Agenda

Die Agenda ist aufgrund der zahlreichen Fachbegriffe in englischer Sprache verfasst. Beschreibungen sowie Kursmaterial erhalten Sie auf Deutsch. Den Kurs kannst Du wahlweise in deutscher oder englischer Sprache buchen.

Alle Seminarinhalte werden individuell an die Wünsche unserer Teilnehmer angepasst. Sie können je nach Wissensstand variieren und werden gemeinsam mit dem Seminarleiter an Tag 1 definiert. Bei diesem Machine Learning mit Python Seminar hast Du die Wahl aus folgenden Themen:

Machine Learning für Python Programmierer Tag 1

Introduction to Machine Learning

In this short section we cover questions such as

  • What is ML?
  • Which Problems can be solved with ML techniques?
  • Which ones are less suitable?
  • How does a ML development project look?
  • Which best practices should you employ?

Data Analysis, Visualization and Preparation

In many cases, the success of practical machine-learning projects depends more on the quality of the data used to drive the algorithms than on the details of the ML algorithm. In this section we cover the most important tools to collect, clean, analyze, and prepare data in Python.

  • Numpy: Numerical computation in Python
  • Pandas: Data cleaning, analysis, and transformation
  • Matplotlib, Seaborn and Plotly: Visualizing data
  • Scikit-learn part 1: Preparing data for ML algorithms
  • Setting up ML pipelines that simplify good development practices

Machine Learning für Python Programmierer Tag 2

Traditional Machine Learning (Scikit-Learn part 2)

While deep learning is a large focus of academic research and provides superior results for most perception-oriented problems, traditional ML techniques are still viable solutions for many problems, and they are commonly used as baselines against which more elaborate solutions are evaluated.

  • Traditional ML techniques
  • Linear regression
  • Logistic regression
  • Parameter-free techniques
  • K-nearest-neighbors
  • Decision trees
  • ensembles
  • random forests
  • boosted trees

Machine Learning für Python Programmierer Tag 3

Deep Learning (PyTorch)

In this part of the course we will look at deep learning and in particular how pretrained DL models can provide us with state-of-the-art quality solutions even in cases where we have limited data or computational budget.

  • What is deep Learning?
  • Advantages and disadvantages
  • Basics of deep learning
  • Fully-connected networks
  • multi-layer perceptrons
  • Deep learning for image classification
  • CNNs, pretrained models
  • Introduction to natural language understanding
  • using pertained transformers

Moving ML Project into Production

There are many possibilities for errors when moving ML models from training to production. While the topic is too large to treat in detail in this course, we give at least an overview of some of the most important concerns when moving small-scale projects to production.

  • Saving and loading models
  • Ensuring consistency between training and production
  • Monitoring model performance and updating production models

Kursformate / Termine

1-Tages-Crash-Kurs

In München oder Online
830,00 €

3-Tages-Kurs

In München oder Online
ab 1.876,00 €

4-Wochen-Training

1.876,00 €
Einstieg jederzeit möglich

Für Teams

Haben Sie Interesse an einem Kurs für Ihr Team? Get in touch – wir finden eine perfekte Lösung. Gerne kommen unsere Profis auch zu Ihnen. Wir bieten u.a.:

  • Inhouse-Schulungen
  • Technisches Coaching
  • Consulting
Anfragen Anfragen

Fragen & Beratung

Unser Serviceteam berät Sie gerne persönlich. Mo-Fr von 9.00 bis 18.00 Uhr unter:
+49 89 17958-820
info@coding-academy.com

Referenzen

BMW Apple Draeger VW Sky Siemens 2000px TÜ V Süd Logo Agfa Kopie Samsung Fraunhofer
Kurs-Katalog Raketen-Kurse im Überblick: