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

Predictive Analytics und Machine Learning

Seminar - GFU Cyrus AG

Nach dem Seminar können Sie grundlegende Konzepte von Predictive Analytics und Machine Learning erläutern und deren Einsatzmöglichkeiten für geschäftliche Fragestellungen beurteilen. Sie kennen wichtige Schritte der Datenaufbereitung, explorativen Analyse und Merkmalsentwicklung. Sie können gängige Modellarten einordnen und geeignete Kriterien für deren Auswahl und Bewertung benennen. Dabei unterscheiden Sie konsequent zwischen Modelltraining, Validierung und abschließender Leistungsbewertung. Sie verstehen, warum Testdaten bis zur unabhängigen Bewertung zurückgehalten werden müssen. Darüber hinaus kennen Sie grundlegende Ansätze für Ensemble-Methoden, Deep Learning und Textverarbeitung sowie die wesentlichen Schritte zur Bereitstellung und Überwachung von Modellen.
Termin Ort Preis*
firmenintern auf Anfrage auf Anfrage
*Alle Preise verstehen sich inkl. MwSt.

Detaillierte Informationen zum Seminar

Inhalte:
  • Einführung in Predictive Analytics und Machine Learning
    • Definitionen, Konzepte und Anwendungsgebiete in verschiedenen Branchen
    • Überwachtes und unüberwachtes Lernen unterscheiden
    • Herausforderungen und Best Practices

  • Datenaufbereitung und Datenreinigung
    • Relevante Datenquellen identifizieren und erfassen
    • Fehlende Werte und Ausreißer behandeln
    • Daten integrieren und transformieren
    • Normalisierung, Skalierung und Codierung
    • Datenaufbereitung ohne Informationsübertragung aus Validierungs- oder Testdaten

  • Explorative Datenanalyse
    • Histogramme, Streudiagramme und Heatmaps
    • Verteilungen, Korrelationen und Hypothesentests
    • Muster und Trends erkennen
    • Untergruppen durch Segmentierung identifizieren
    • Explorative Entscheidungen auf Entwicklungsdaten stützen und Testdaten zurückhalten

  • Feature Engineering
    • Merkmalsauswahl mit Filter-, Wrapper- und Embedded-Methoden
    • Merkmalsextraktion, Dimensionalitätsreduktion und Feature-Konstruktion
    • One-Hot-Encoding und Label-Encoding
    • Merkmale skalieren und normalisieren
    • Merkmalsauswahl und Transformationen innerhalb der Trainings- und Validierungsstruktur durchführen

  • Modellauswahl und Evaluation
    • Lineare Modelle, Entscheidungsbäume, Support Vector Machines und neuronale Netze
    • Auswahlkriterien: Genauigkeit, Robustheit und Interpretierbarkeit
    • Aufgaben von Trainings-, Validierungs- und Testdaten unterscheiden
    • Geeignete Evaluationsmetriken auswählen
    • Modelle anhand von Validierungsdaten beziehungsweise Kreuzvalidierung vergleichen und auswählen

  • Modelltraining und -validierung
    • Trainings-, Validierungs- und Testdaten trennen; alternativ Kreuzvalidierung mit separatem Testdatensatz
    • Modelle mit Trainingsdaten trainieren
    • Hyperparameter mithilfe von Validierungsdaten beziehungsweise Kreuzvalidierung optimieren
    • Das ausgewählte Modell abschließend mit einem unabhängigen, zurückgehaltenen Testdatensatz bewerten

  • Fortgeschrittene Techniken des Machine Learning
    • Ensemble-Methoden: Bagging, Boosting und Random Forests
    • Einführung in neuronale Netze und Deep Learning
    • Deep Learning für Bild- und Textdaten
    • Natural Language Processing: Textvorverarbeitung und Textklassifikation

  • Deployment von Modellen
    • Modelle in produktionsfähige Formate überführen
    • Integration in bestehende Systeme und Anwendungen
    • Modellleistung im laufenden Betrieb überwachen
    • Modellbereitstellung skalieren und optimieren

Zielgruppe:
Das Seminar richtet sich an Führungskräfte, Manager, Datenanalysten, Data Scientists, IT-Fachkräfte, Marketing- und Vertriebsprofis sowie Unternehmensberater und Analytik-Experten, die einen grundlegenden Überblick über Predictive Analytics und Machine Learning gewinnen möchten.

Teilnahmevoraussetzungen


Grundkenntnisse in Datenanalyse, Statistik und Programmierung sind von Vorteil, aber nicht zwingend erforderlich.

Spezielle Vorkenntnisse in Predictive Analytics oder Machine Learning werden nicht vorausgesetzt.
Seminarkennung:
S3104
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