pds-it
['Produktdetailseite','nein']
Machine Learning & Data Analytics / Machine Learning
Die Illustrationen sind in Kooperation von Menschen und künstlicher Intelligenz entstanden. Sie zeigen eine Zukunft, in der Technologie allgegenwärtig ist, aber der Mensch im Mittelpunkt bleibt.
KI-generierte Illustration

Machine Learning mit Python: Der praxisorientierte Einstieg

Leistungsfähige Modelle erstellen, trainieren und evaluieren – mit vielen wichtigen Python-Bibliotheken
Online
3 Tage
Deutsch
PDF herunterladen
€ 1.790,–
zzgl. MwSt.
€ 2.130,10
inkl. MwSt.
Buchungsnummer
40858
Veranstaltungsort
Online
5 Termine
€ 1.790,–
zzgl. MwSt.
€ 2.130,10
inkl. MwSt.
Buchungsnummer
40858
Veranstaltungsort
Online
5 Termine
Werde zertifizierter
Machine Lerning Engineer
Dieser Kurs ist Bestandteil der zertifizierten Master Class "Machine Learning Engineer". Bei Buchung der gesamten Master Class sparst du über 15 Prozent im Vergleich zur Buchung dieses einzelnen Moduls.
Zur Master Class
Inhouse Training
Firmeninterne Weiterbildung nur für eure Mitarbeiter:innen - exklusiv und wirkungsvoll.
Anfragen
In Kooperation mit
Python ist die führende Programmiersprache im Bereich des maschinellen Lernens und zeichnet sich durch Einfachheit und Vielseitigkeit aus. In diesem Training lernst du die Grundlagen des maschinellen Lernens wie auch fortgeschrittene Techniken kennen und erfährst, wie du eigene Projekte mit Python praktisch umsetzt. Du beginnst damit, Daten zu importieren und effektiv vorzubereiten, erstellst verschiedene maschinelle Lernmodelle wie lineare und logistische Regression, Entscheidungsbäume und Ensemble-Modelle, trainierst Modelle mit deinen Daten, bevor du sie abschließend evaluierst. Ein besonderer Schwerpunkt liegt auf der praktischen Anwendung, einschließlich Datenvisualisierung und statistischer Analyse. Ebenso werden populäre Python-Bibliotheken wie Pandas, NumPy, Matplotlib, Keras, NLTK und scikit-learn eingeführt und im Rahmen von Projekten in vielen Übungen praktisch eingesetzt. Das Ziel des Workshops ist es, umfassende Fähigkeiten im Umgang mit maschinellem Lernen zu vermitteln, um eigene Projekte erfolgreich umzusetzen und vorhandene Daten sinnvoll einzusetzen. Dieser Kurs eignet sich ideal für alle, die ihre Kenntnisse in Python vertiefen und praktische Fähigkeiten im maschinellen Lernen erwerben möchten.
Inhalte

1. Grundlagen des maschinellen Lernens mit Python

  • Überblick über die Technologien und Teilbereiche des maschinellen Lernens
  • Verschiedenen Arten maschinellen Lernens und ihre Unterschiede
  • Lineare Regression und logistische Regression im Detail
  • Mathematische Grundlagen der linearen und logistischen Regression

2. Fortgeschrittene Modelle und Techniken

  • Entscheidungsbäume und ihre Anwendung in Klassifikations- und Regressionsproblematiken
  • Praktische Implementierung von Entscheidungsbäumen mit Python
  • Ensemble-Modelle: Bagging und Boosting
  • Praktische Umsetzung von Ensemble-Modellen mit Random Forest und XGBoost

3. Datenvorbereitung mit scikit-learn und pandas

  • Datenvorbereitung und Vorverarbeitung
  • Explorative Datenvisualisierung und statistische Analyse
  • Datenanalysen mit deskriptiver und inferenzieller Statistik
  • Datenvorbereitung mit scikit-learn
  • Effektive Datenmanipulation mit pandas

4. Techniken der Datenverdichtung und -klassifikation

  • Clustering und Dimensionsreduktion
  • Einführung in die Algorithmen k-Means, SVD und PCA
  • Lineare und nicht-lineare Support Vector Machines

5. Deep Learning und industrielle Anwendungen

  • Grundlagen und Unterschiede zum traditionellen maschinellen Lernen
  • Implementierung einfacher neuronaler Netzwerke in Python
  • Fallstudie: Bilderkennung und Verarbeitung natürlicher Sprache

6. Eine vollständige Pipeline am Beispiel erklärt

  • Vollständige End-to-End-Machine-Learning-Pipeline im Überblick
  • Case-Study: Eine Machine-Learning-Pipeline praktisch umsetzen
  • Training, Evaluation und Optimierung verstehen
  • Verwendung des Ensemble-Modells XGBoost

 

Praxisübungen zum Mitprogrammieren

Durch das ganze Seminar hindurch löst du selbst praxisnahe Aufgaben mit Python, die dir helfen, das Gelernte sofort anzuwenden und zu festigen. Bereitgestellt werden die Aufgaben in Jupyter Notebooks, die du lokal auf dem Rechner ausführen kannst – du benötigst also keine komplexen Programmierumgebungen.

 

Grundlegende Programmierkenntnisse als Voraussetzung

In diesem Seminar wird die Programmiersprache Python eingesetzt. Es ist daher von Vorteil, wenn du grundlegende Programmierkenntnisse, etwa zur Arbeit mit Variablen, Listen, Arrays und Schleifen, mitbringst oder dir vor dem Seminar erstes Wissen darüber aneignest.

Dein Nutzen

Du erfährst alles über die technischen und mathematischen Grundlagen im Machine-Learning.

 

Du lernst den vollständigen Ablauf von Machine-Learning-Projekten kennen – von der Datenvorbereitung über die Erstellung und das Training von Modellen bis zu Evaluation und Deployment.

 

Du bekommst einen Überblick über viele wichtige Python-Bibliotheken und lernst, sie in eigenen Projekten einzusetzen.

 

Du wirst eigene Machine-Learning-Modelle vorbereiten, erstellen, trainieren und evaluieren können.

 

Die technischen Einstiegshürden werden durch den Einsatz von Jupyter Notebooks minimiert, welche es dir erlauben, ohne Installation von Programmierumgebungen direkt mit den Programmieraufgaben zu beginnen.

Trainer:in
Gentrit Fazlija
Methoden

Dieses Online-Seminar wird in einer Gruppe von maximal 12 Teilnehmenden mit der Videokonferenz-Software Zoom durchgeführt.

 

Die individuelle Betreuung durch die Referent:innen ist garantiert  – im virtuellen Klassenraum oder individuell in Break-out-Sessions.

 

Die Praxisübungen werden in Form von Jupyter Notebooks bereitgestellt, die du ganz einfach lokal auf dem eigenen Rechner installieren kannst. Technische Vorkenntnisse brauchst du dafür nicht. Bei der Durchführung der praktischen Übungen stehen dir die Referent:innen zur Seite.

 

In deiner Online-Lernumgebung findest du nach der Anmeldung alle Informationen, Downloads und Extra-Services zu dieser Qualifizierungsmaßnahme.

Empfohlen für

Dieses Training richtet sich an alle, die Machine Learning im Detail verstehen und im Rahmen von eigenen Projekten einsetzen möchten.

 

Grundlegende Kenntnisse in einer beliebigen Programmiersprache werden vorausgesetzt. Weitergehendes technisches, mathematisches und statistisches Vorwissen ist hilfreich, aber nicht erforderlich.

 

Dieser Kurs ist ein wertvoller Baustein in der Qualifizierung zum Machine Learning Engineer, Data Engineer und Data Scientist.

Starttermine und Details

Lernform

Learning form

10.2.2025
Online
Plätze frei
Durchführung gesichert
Online
Plätze frei
Durchführung gesichert
14.5.2025
Online
Plätze frei
Durchführung gesichert
Online
Plätze frei
Durchführung gesichert
26.8.2025
Online
Plätze frei
Durchführung gesichert
Online
Plätze frei
Durchführung gesichert
17.11.2025
Online
Plätze frei
Durchführung gesichert
Online
Plätze frei
Durchführung gesichert
25.2.2026
Online
Plätze frei
Durchführung gesichert
Online
Plätze frei
Durchführung gesichert
Du hast Fragen zum Training?
Ruf uns an unter +49 761 595 33900 oder schreib uns auf service@haufe-akademie.de oder nutze das Kontaktformular.