Applied Machine Learning

Die Teilnehmenden können die Konzepte des maschinellen Lernens beurteilen. Sie können den Grundaufbau und Variationen der Verfahren ermitteln. Sie können den Prozess zum Aufbau qualitativ hochwertiger Modelle bestimmen und entsprechende Weichenstellungen definieren. Sie können diese Modelle trainieren und ihre Leistung verlässlich analysieren.

1. Introduction: What is AI?
   Build an understanding of what constitutes AI, beyond marketing buzz-words.
2. Introduction: Python & Machine Learning
   Learn the basics of a programming language ubiquitous in Data Analytics.
3. CRISP-DM: A process to develop ML-Solutions
   Quality and reproducibility built into this standardized, encompassing approach.
4. Modelling – general procedure & principles explained using regression
   Creating models with low bias and high precision by introducing additional steps.
5. Methods
   The core of any ML solution, learning methods for prediction.
6. Ensemble Methods
   Improve on the predictive accuracy by applying meta models.