Predictive Analytics - Methoden, Modelle und Anwendungen mit Python
Webinar - GFU Cyrus AG
Nach Abschluss des Seminars sind Sie in der Lage, eigenständig Predictive-Analytics-Modelle zu entwickeln und in der Praxis anzuwenden. Sie verstehen die grundlegenden Algorithmen, können geeignete Modelle auswählen und bewerten und sind in der Lage, die Ergebnisse fundiert zu interpretieren. Darüber hinaus lernen Sie, wie Modelle in Anwendungen integriert und Vorhersagen automatisiert werden können.
Überblick über gängige Algorithmen: Lineare Regression, Random Forest, Gradient Boosting, SVM, Neuronale Netze
Kriterien zur Auswahl des passenden Modells
Modelltraining und -evaluation
Trainings-/Testdatensplit und Cross-Validation
Metriken zur Bewertung: Accuracy, Precision, Recall, ROC, RMSE
Interpretierbarkeit und Visualisierung
Feature Importance, SHAP und LIME
Visualisierung von Modellen und Ergebnissen
Deployment und Anwendung
Modell-Export und Integration in Anwendungen
Automatisierung von Vorhersagen mit Python-Skripten und REST-APIs
Hands-on: Eigene Vorhersagemodelle bauen
Praxisprojekt mit Beispiel-Datensatz
Erstellung, Training, Evaluation und Präsentation eines Modells
Dauer/zeitlicher Ablauf:
3 Tage
Zielgruppe:
Das Seminar richtet sich an Business-Analyst:innen, Data Scientists sowie an Fach- und Führungskräfte, die Prognosemodelle in ihrem Unternehmen einsetzen möchten. Besonders geeignet ist es für alle, die datenbasierte Entscheidungen optimieren und Vorhersagen produktiv nutzen wollen.
Teilnahmevoraussetzungen:
Sie benötigen Grundkenntnisse in Statistik und Datenanalyse
Sie sollten erste Erfahrungen in Python mitbringen
Kenntnisse in Machine Learning sind hilfreich, aber nicht zwingend erforderlich
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.
