Seminare
Seminare
  • Seminare
  • Anbieter
  • 5 km
  • 10 km
  • 25 km
  • 50 km
  • 100 km
  • 150 km
  • 200 km
  • 300 km

Crashkurs Machine Learning mit Python für Einsteiger

Webinar - Bitkom Akademie

Dieser kompakte Crashkurs in Machine Learning bietet eine praxisorientierte Einführung in die grundlegenden Konzepte und Algorithmen des maschinellen Lernens. Die Teilnehmenden lernen, wie sich überwachtes und unüberwachtes Lernen unterscheiden, was Overfitting bedeutet und wie man Trainings- und Testdaten richtig aufteilt. Anhand praktischer Beispiele mit Python und scikit-learn setzen sie Entscheidungsbäume, Ensemble-Methoden wie Random Forest und AdaBoost sowie Clustering-Algorithmen um. Ein besonderer Fokus liegt auf der Modellbewertung und Hyperparameter-Tuning, um die Leistung der Modelle zu optimieren. Durch zahlreiche Hands-on-Übungen wird das Gelernte direkt angewendet. Am Ende des Workshops haben die Teilnehmenden ein solides Verständnis für Machine Learning und können eigenständig erste Modelle entwickeln, auswerten und optimieren.
Termin Ort Preis*
21.11.2025 online 773,50 €
*Alle Preise verstehen sich inkl. MwSt.

Detaillierte Informationen zum Seminar

Inhalte:
  • Einführung in Machine Learning und Abgrenzung zu klassischer & generativer KI
  • Aufteilung von Daten für Training & Test
  • Umsetzung von Entscheidungsbäumen, Random Forest, AdaBoost & K-Means
  • Modellbewertung mit Metriken wie Accuracy und Confusion Matrix
  • Praxisnahe Übungen zur eigenständigen Entwicklung und Optimierung von ML-Modellen
  • Austausch und Networking




Dauer/zeitlicher Ablauf:
1 Tag
Ziele/Bildungsabschluss:
Dieser intensive 1-Tages-Kurs vermittelt die Grundlagen des maschinellen Lernens anhand praxisnaher Beispiele. Sie lernen, was Machine Learning von klassischer KI und Generativer KI (GenAI) unterscheidet und wie Daten in Trainings- und Testsets aufgeteilt werden. Anschließend implementieren Sie Entscheidungsbäume, optimieren deren Hyperparameter und analysieren die Ergebnisse mit Metriken wie der Confusion Matrix und Accuracy. Aufbauend darauf vertiefen Sie Ihr Wissen mit Ensemble-Methoden (Random Forest, AdaBoost) und lernen, wie sich die bekannteste Clustering-Technik K-Means zur Segmentierung von Daten einsetzen lässt. Zahlreiche praktische Übungen sorgen dafür, dass Sie das Gelernte direkt anwenden können. Nach diesem Kurs sind Sie in der Lage, erste Machine-Learning-Modelle eigenständig zu implementieren, zu evaluieren und zu verbessern.
Teilnahmevoraussetzungen:

Erste Erfahrung mit Python ist notwendig, um den Inhalten folgen zu können und bei den hands-on sessions mitzuarbeiten. Alternativ ist die gute Beherrschung einer anderen Programmiersprache möglich mit der Offenheit, die Grundkonzepte von Python in kurzer Zeit neu zu erlernen.

 

Hinweis: Die verwendeten Unterlagen sind auf Englisch, da die Dokumentation von Python im Internet vorwiegend Englisch ist. Englischkenntnisse beim Lesen von einfachen Texten sind daher notwendig. Die Schulungssprache ist Deutsch.

Lehrgangsverlauf/Methoden:
  • Überblick über Machine Learning
    • Einführung in Machine Learning 
    • Unterschied Supervised – Unsupervised Learning
    • GenAI, AI, Machine Learning
    • Overfitting, Train-Test-Split
       
  • Entscheidungsbaum 
    • Einführung in den Algorithmus
    • Aufteilung der Daten in Train und Test Daten
    • Einen Entscheidungsbaum in Python umsetzen
    • Hyperparameter anpassen
    • Ergebnisse validieren und interpretieren (confusion matrix, accuracy)
       
  • Ensemble Methods 
    • Random Forest 
    • Ada Boost 
    • Hyperparameter anpassen
    • Ergebnisse validieren
       
  • Clustering 
    • Grundlagen von K-means Clustering
    • Güte eines Cluster-Ergebnisses bestimmen
    • Vergleich von Cluster-Ergebnissen
Zielgruppe:
Das Seminar richtet sich an an Fach- und Führungskräfte aus allen Unternehmensbereichen, an Interessierte für Datenanalyse und Machine Learning mit erster Erfahrung in der Programmierung in Python, welche einen Einblick in Machine Learning mit Python erhalten und erste Algorithmen mit dem Paket scikit-learn umsetzen möchten.
Nach unten
Nach oben
Wir setzen Analyse-Cookies ein, um Ihre Zufriedenheit bei der Nutzung unserer Webseite zu verbessern. Diese Cookies werden nicht automatisiert gesetzt. Wenn Sie mit dem Einsatz dieser Cookies einverstanden sind, klicken Sie bitte auf Akzeptieren. Weitere Informationen finden Sie hier.
Akzeptieren Nicht akzeptieren









Um Spam abzuwehren, geben Sie bitte die Buchstaben auf dem Bild in das Textfeld ein:

captcha



Bei der Verarbeitung Ihrer personenbezogenen Daten im Zusammenhang mit der Kontaktfunktion beachten wir die gesetzlichen Bestimmungen. Unsere ausführlichen Datenschutzinformationen finden Sie hier. Bei der Kontakt-Funktion erhobene Daten werden nur an den jeweiligen Anbieter weitergeleitet und sind nötig, damit der Anbieter auf Ihr Anliegen reagieren kann.







Um Spam abzuwehren, geben Sie bitte die Buchstaben auf dem Bild in das Textfeld ein:

captcha