Warnung Icon Sie haben in Ihrem Browser Javascript deaktiviert! Bitte aktivieren Sie Javascript um eine korrekte Darstellung und Funktionsweise von IT-Schulungen zu gewährleisten. Warnung Icon
Header Background
Gesicherter Termin

IT-Management 2.0

Praxisorientiertes Wissen zum Führen einer IT-Abteilung

-

Gesicherter Termin vom 15.01.2020 bis 16.01.2020 in Nürnberg.

Gesicherter Termin

Data Scientist Einstieg

-

Gesicherter Termin am 31.01.2020 in Berlin.

Jetzt teilnehmen!

Gesicherter Termin

Microsoft Azure Fundamentals

-

Gesicherter Termin: 13.01.2020 bis 14.01.2020 in Hamburg.

AZ-900T00

Gesicherter Termin

Scrum Product Owner

Inklusive Prüfungsvorbereitung auf den PSPO I

-

Termin vom 20.02.2020 bis 21.02.2020 in Nürnberg gesichert.

Header Image
 
 

Machine Learning und Data Mining mit R

Seminardauer: 3 Tage
zur unverbindlichen Anfrage

Ziele

Methoden des maschinellen Lernens erfreuen sich rasch wachsender Beliebtheit und erobern immer neue Anwendungsgebiete. In dem Kurs werden Grundlagen des maschinellen Lernens anhand von Praxisbeispielen vorgestellt. Während das Data Mining vorrangig auf die Ableitung von Erkenntnissen aus vorhandenen Daten abzielt, geht es beim Maschinellen Lernen mehr um Vorhersagen, d.h. die Anwendung der zuvor „trainierten“ Modelle auf neue Daten. Die eingesetzten Methoden überschneiden sich jedoch.

Zielgruppe

Alle, die sich für maschinelles Lernen mit der freien, leistungsfähigen R-Software interessieren.

Voraussetzungen

Grundkenntnisse in R sind sinnvoll, um die Code-Beispiele nachzuvollziehen.

Agenda

Supervised Learning / Überwachtes Lernen für Regressions- und Klassifikationsprobleme:

  • Lineare Regression mit kontinuierlichen und kategorialen Prädiktoren
  • algorithmen-basierte Modelloptimierung / automatisierte Auswahl von Prädiktoren (best subsets, forward, backward)
  • logistische Regression
  • Lasso und Ridge-Regression
  • Interaktionseffekte
  • GAM (generalized additive model)
  • KNN (k nearest neighbors)
  • Entscheidungsbäume (Decision trees)
  • SVM (Support Vector Machine)
  • Random Forest
  • GBM (Gradient Boosting Machine)

Unsupervised Learning / Unüberwachtes Lernen

  • k-means
  • hierarchische Clusteranalysen
  • Dimensionsreduktion, PCA (Principal Components Analysis)
  • PCA als Vorstufe für Regressionsanalysen; PCR (Principal Components Regression) und PLS (Partial Least Squares)

Maschinelles Lernen leicht gemacht: Das R-Paket caret (Max Kuhn)

  • Eine gemeinsame Schnittstelle mit einheitlicher Syntax zu vielen Machine-Learning-Algorithmen
  • Modell-Evaluation und Modellvergleiche mit modernen Resampling-Methoden (z. B. 10-fache Kreuzvalidierung mit 10 Wiederholungen)
  • Modellvergleiche, Gütekriterien; Modell-Optimierung (tuning)

Hinweis: Die Teilbereiche des maschinellen Lernens Reinforcement Learning und Deep Learning werden in diesem Kurs nicht behandelt.

Schulungsunterlagen

nach Absprache
 
Anmeldungen vorhanden

1.) Wählen Sie den Seminartyp:




2.) Wählen Sie Ort und Datum:

1.695,00 € pro Person

spacing line2.017,05 € inkl. 19% MwSt
Verpflegung zzgl.
Seminarunterlagen zzgl.

Seminar jetzt anfragen Auf den Merkzettel
PDF IconPDF Icon
 

Diese Seite weiterempfehlen:

0
Merkzettel öffnen
0
Besuchsverlauf ansehen
IT-Schulungen.com Control Panel