Seminare zum Thema Kreativitätstechnik

Der Kurs Grundlagen des Maschinellen Lernens mit scikit-learn und Python behandelt in einem zweitägigen Seminar die Konzepte des überwachten und unüberwachten Lernens mit Hilfe des Python Moduls scikit-learn.
Es wird vorausgesetzt, dass die Teilnehmer grundlegende Kenntnisse in Python besitzen.

Der Kurs vermittelt Ihnen die Grundlagen des Machine Learning und zeigt Ihnen, wie Sie Machine Learning mit Python und der Bibliothek scikit-learn umsetzen können. Machine Learning ist eine wichtige Algorithmenklasse der Künstlichen Intelligenz und umfasst sowohl supervised learning als auch unsupervised learning.

Wir werden uns auf supervised learning konzentrieren, bei dem Algorithmen mit gelabelten Daten trainiert werden, um bestimmte Aufgaben zu erlernen. Beispiele für supervised learning sind die Klassifikation von Fehlern in Bauteilen oder die Vorhersage des Umsatzes eines Kunden.

Unsupervised learning hingegen benötigt keine gelabelten Daten, sondern versucht, Muster oder Gruppen in den vorhandenen Daten zu erkennen. Dies kann zum Beispiel für die Kundengruppierung verwendet werden.

Der Kurs verwendet die Programmiersprache Python, die sowohl im Machine Learning als auch im Deep Learning weit verbreitet ist. Die Bibliothek scikit-learn bietet zahlreiche Algorithmen, die das Lernen von Machine Learning erleichtern.

Wir werden hauptsächlich das Python-Modul scikit-learn verwenden, um die Algorithmen im Machine Learning zu le...

Ist auch Ihnen schon die Menge an Informationen, die Sie eigentlich lesen müssten, über den Kopf gewachsen? Dann sollten Sie mit Hilfe von „RaLete – Rationelle Lesetechniken®“ erlernen, Ihr Lesetempo zu verdoppeln. In den Seminaren erfahren Sie die Haupthemmnisse und Möglichkeiten zur Verbesserung der Rahmenbedingungen für schnelleres Lesen. Außerdem arbeiten Sie an der effektiveren Selektion von Lesestoffen und üben Schnelllesetechniken, die bei leicht erreichbarer Tempo-Verdopplung zugleich ein besseres Verstehen ermöglichen.

Bei nur 2-stündigem Lesen pro Arbeitstag gewinnen Sie durch Ihre Lesetempobeschleunigung so viel Zeit wie ein gesamter Jahresurlaub.

Die Bedeutung des Online-Handels nimmt stetig zu. Prognosen über zweistellige Wachstumsraten im elektronischen Handel und eine zunehmende Zahl an Internet-Nutzern:innen verdeutlichen seine Attraktivität als eine bedeutende Einnahmequelle für Unternehmen. Besonders für kleinere und mittelständische Unternehmen bietet sich hier die Chance, das World Wide Web als weiteren, rasant wachsenden Vertriebskanal zu nutzen und dadurch Umsätze zu steigern und neue Kundengruppen anzusprechen. Der erfolgreiche Einstieg in den E-Commerce setzt Basiswissen voraus. Wer die Potenziale des elektronischen Handels erfolgreich für sich erschließen möchte, muss Herausforderungen wie Auswahl des Shop-Systems, rechtssichere Gestaltung des Angebotes, Festlegung der Zahlungskonditionen und die Formen der Kundenansprache bis hin zum Umgang mit offenen Forderungen meistern.

Der eCommerce Manager:in (IHK) ist ein Abschluss, der auf die Tätigkeiten im Online-Handel vorbereitet. Man lernt, welche (rechtlichen) Rahmenbedingungen in diesem Bereich gelten, wie sich die einzelnen Shop-Systeme voneinander unterscheiden, wie man die Ware so platziert, dass sie im Netz gefunden wird und vieles mehr.

In dem Kurs Data Science Crash Course mit Python erhalten Sie eine modular aufgebaute Einführung in die Themen Data Science, Künstliche Intelligenz und Machine Learning (Maschinelles Lernen) sowohl für numerische als auch für Textdaten (ChatGPT wird behandelt). Bei Vorkenntnissen können Sie die Module einzeln besuchen.

Im Modul Künstliche Intelligenz mit Python erhalten Sie einen Überblick über das Thema Künstliche Intelligenz mit vielen Praxisbeispielen. Zudem werden Sie in Python so weit fit gemacht, dass Sie Ihr erstes Data-Science-Projekt vom Einlesen der Daten bis hin zur Speicherung der Modelle zur weiteren Verwendung eigenhändig umsetzen können.

Das Modul Machine Learning mit Python geht nun einen Schritt weiter. Hier erhalten Sie einen Einblick in die unterschiedlichen Algorithmen des Maschinellen Lernens. Die Theorie dahinter wird dabei anhand von Praxisübungen aus den Bereichen Clustering, Virtuelle Sensoren und Zeitreihenvorhersage vermittelt. In diesem Modul werden Sie sich hauptsächlich mit der Anwendung des Machine Learning auf numerischen Daten beschäftigen.

Abgerundet wird der Kurs durch das dritte Modul Natural Language Processing (NLP) mit Python, bei dem Sie sich mit der Anwendung des Maschinellen Lernens im Kontext der natürlichen Sprachverarbeitung auseinandersetzen. Nach dem Kurs können Sie z. B. einen eigenen Chatbot zu entwickeln, auch auf der Basis von ChatGPT.

Feedbacks unserer Teilnehmer: https://www.provenexpert.com/dhl-data-science-seminare-gmbh/

In dem Kurs Data Science Crash Course mit R erhalten Sie eine modular aufgebaute Einführung in die Themen Data Science, Künstliche Intelligenz und Machine Learning (Maschinelles Lernen) sowohl für numerische als auch für Textdaten (ChatGPT wird behandelt). Bei Vorkenntnissen können Sie die Module einzeln besuchen.

Im Modul Künstliche Intelligenz mit R erhalten Sie einen Überblick über das Thema Künstliche Intelligenz mit vielen Praxisbeispielen. Zudem werden Sie in R so weit fit gemacht, dass Sie Ihr erstes Data-Science-Projekt vom Einlesen der Daten bis hin zur Speicherung der Modelle zur weiteren Verwendung eigenhändig umsetzen können.

Das Modul Machine Learning mit R geht nun einen Schritt weiter. Hier erhalten Sie einen Einblick in die unterschiedlichen Algorithmen des Maschinellen Lernens. Die Theorie dahinter wird dabei anhand von Praxisübungen aus den Bereichen Clustering, Virtuelle Sensoren und Zeitreihenvorhersage vermittelt. In diesem Modul werden Sie sich hauptsächlich mit der Anwendung des Machine Learning auf numerischen Daten beschäftigen.

Abgerundet wird der Kurs durch das dritte Modul Natural Language Processing (NLP) mit R, bei dem Sie sich mit der Anwendung des Maschinellen Lernens im Kontext der natürlichen Sprachverarbeitung auseinandersetzen. Nach dem Kurs können Sie z. B. einen eigenen Chatbot zu entwickeln, auch auf der Basis von ChatGPT.

Feedbacks unserer Teilnehmer: https://www.provenexpert.com/dhl-data-science-seminare-gmbh/

Dieses einwöchige Data Science Bootcamp beginnt mit den grundlegenden Konzepten von Python für die Datenanalyse und vermittelt alle erforderlichen Kenntnisse, um am Ende Machine Learning Algorithmen mit scikit-learn zu programmieren. In diesem intensiven Seminar werden die Grundlagen eines Data Scientist erlernt.

Die Algorithmen werden theoretisch erklärt, wobei der Schwerpunkt auf der praktischen Umsetzung der Datenanalyse und Algorithmen in Python liegt. Am Ende des Seminars sind die Teilnehmer in der Lage, eigenständig erste Datenanalysen durchzuführen, Machine Learning Algorithmen anzuwenden und die Ergebnisse zu interpretieren.

Besonderes Augenmerk wird auf das Paket pandas gelegt, da es in den Bereichen Data Science, Data Engineering und Data Mining Anwendung findet. Die wichtigsten Schritte zur Datenaufbereitung werden geübt. Für die Erstellung von Plots und Grafiken wird das Paket seaborn verwendet, mit einer kurzen Einführung in matplotlib. Matplotlib bietet eine Vielzahl von Anpassungsmöglichkeiten für Plots, während seaborn komplexe Plots mit wenig Code erstellen kann. Es werden auch die Grundlagen von numpy vermittelt, um dieses wichtige Paket im Data Mining einsetzen zu können.

Nach einer Einführung in die Grundlagen von Python (Datenstrukturen, Schreiben eigener Funktionen) und einer Erläuterung von pandas für die Datenanalyse folgt der nächste Schritt zur Weiterbildung als Data Scientist: Die Erklärung von Machine Learning Algor...

Der dreitägige Data Science Kurs bietet eine praxisorientierte Einführung in die Grundlagen von Machine Learning mit pandas und scikit-learn in Python. Der Schwerpunkt liegt dabei auf dem Python Modul pandas und seinem DataFrame, das als gängiges Data Science Paket in Python gilt. Zusätzlich werden die Pakete seaborn und matplotlib erläutert, die zur Generierung von Grafiken und Plots verwendet werden. Der Kurs gibt zudem einen Einblick in erste Machine Learning Algorithmen wie Entscheidungsbaum, K-Means Clustering/DBSCAN und Neuronales Netz mit dem Python Paket scikit-learn. Weitere Themen umfassen wichtige Datenstrukturen, das Berechnen von Statistiken, das Schreiben eigener Funktionen sowie das Einlesen und Schreiben von Daten in verschiedenen Formaten. Der Kurs beinhaltet außerdem eine Einführung in lineare Regression, den Train-Test-Split und Kreuzvalidierung.