Schulung
Machine Learning
Algorithmen für maschinelles Lernen sind ein elementares Element der künstlichen Intelligenz und somit ein Erfolgsfaktor im Zeitalter der Digitalisierung. Unser Experten bieten einen konkreten Einblick in die Konzepte verschiedener Algorithmen für maschinelles Lernen.
Im Seminar arbeiten Sie mit der Programmiersprache Python und den verschiedenen Algorithmen. Lernen Sie, unabhängig ihre eigenen Projekte für maschinelles Lernen zu planen, setzen Sie diese um und übertragen Sie sie in einen praxisorientierten Kontext!
Standardschulung
Machine Learning
Dauer: 3.5 Tage
Preis: 2.450 Euro
Ort: München oder Virtual
Modul 1
Einführung (1.5 Tage)
-
Künstliche Intelligenz: State-of-the-Art
-
Supervised, Unsupervised, Reinforcement Learning
-
Deep Learning
Modul 2
Best Practices (1 Tag)
-
Machine Learning Strategy – Den Machine Learning Prozess strukturieren
-
Explainable Machine Learning – Interpretation von Modellentscheidungen
-
Model Management – Best Practices zur Bereitstellung von Modellen für die Anwendung
Modul 3
Fortgeschrittene Themen (1 Tag)
-
Umgang mit unbalancierten Daten
-
Machine Learning auf kleinen und verunreinigten Daten
-
Modell-Kompression & -Beschleunigung
Teilnehmerkreis
Der Kurs richtet sich vornehmlich an Data Scientists und Data Engineers,
kann aber auch für Business-Entscheider gestaltet werden.
Voraussetzungen
Praxis-Kenntnisse in Python.
Kursgröße
Der Kurs ist konzipiert für eine Teilnehmerzahl von 7-12 Personen.

Dr. Tommaso Giannantonio, Seminarleiter
Dr. Tommaso Giannantonio ist seit 2018 Data Scientist bei NorCom. Praktische Erfahrung konnte er in vielfältigen Kundenprojekten mit Fokus auf maschinellem Lernen und Deep Learning sowie Statistische Analysen von Daten und Anwendung von Big Data Technologien sammeln. Mehrjährige Lehrerfahrung sowie theoretische Kenntnisse hat er als Universitätsdozent erworben.
"Ich will meinen Teilnehmern all das vermitteln was notwendig ist, um das Potential von Machine Learning in der Praxis zu realisieren. Mit den ausgewählten Inhalten spreche ich explizit auch Themen an, die in der Praxis oft große Hürden für eine Produktivsetzung von Machine Learning Modellen darstellen."