Applied Machine Learning

Die Lehrveranstaltung widmet sich der Vertiefung der Methoden und Toolkompetenzen der Teilnehmenden anhand praktischer Projekttätigkeiten vom Business Understanding bis zum Deployment. Hierzu bringen die Teilnehmenden Wissen und Verständnis zu den Konzepten des maschinellen Lernens mit und können den Grundaufbau sowie Variationen der Verfahren diskutieren. Durch die Umsetzung und Anwendung im Projekt erweitern sie ihr Verständnis im Prozess zum Aufbau qualitativ hochwertiger Modelle, den Wert der Dokumentation und die entsprechend erforderlichen Weichenstellungen. Hierzu wird vertiefend auf Eigenheiten in ML-Projekten und der Umsetzung in der Deployment-Phase eingegangen.

1. Projektthemen und Rahmenbedingungen
   Vorstellung ausgewählter Projekte und Diskussion der Daten
2. Referenzprozess CRISP-DM
   Vertiefung in dem Referenzprozess und dessen Anwendung in der Praxis mit einem Fokus auf Ergebnisobjekte und -typen sowie dem Mapping vom CRISP-Model auf den CRISP-Process in der Projektaufgabe.
3. Agile Methoden und Anwendung im Referenzprozess
   Wiederholung der Agilen-Methoden zum Projektmanagement. Aufsetzen einer Projektstruktur im Referenzprozess und Besonderheiten.
4. Predictive model interchange formats & ML-OPS
   Management und Serving von Machine Learning Modellen mit PMML und ML-OPS für Continuous Delivery von Modellen in einem Prediction Service.
5. Projektarbeit und Betreuung
   Bearbeitung der gestellten Projektaufgaben Durchführung des Berichtswesens
6. Projektpräsentationen
   Endpräsentation der Ergebnisse