taralino | Kurse

Kurse Lernpfade Editor Referenz Download Coding-Welt

Kurse

Unsere Kurse behandeln Verfahren und Anwendungen des maschinellen Lernens. Unterschieden wird zwischen Klassifikation und Regression (überwachtes Lernen) sowie Clusteranalyse und Dimensionsreduktion (unüberwachtes Lernen).

Statistische Kennzahlen

Data Science bedeutet, Datensätze zu analysiert, um Informationen abzuleiten. Begonnen wird häufig mit statistischen Kennzahlen

Visualisierung von Daten

Um Eigenschaften von Daten sichtbar zu machen, eignen sich unterschiedliche Möglichkeiten der Visualisierung

Explorative Datenanalyse

Systematische Vorgehensweise, um einem zunächst unbekannten Datensatz erste Informationen entlocken zu können

Neuronale Netze

Ein zentrales Verfahren der Künstlichen Intelligenz und Einstiegspunkt in den Bereich des Deep Learnings

Trainings- und Testphase

Wie neuronale Netze zur Lösung von Klassifikationsaufgaben trainiert und getestet werden können

Parameter der Trainingsphase

Welche Parameter die Trainingsphase neuronaler Netze beeinflussen und was dabei zu berücksichtigen ist

Mustererkennung

Wie handgeschriebene Ziffern oder Strichzeichnungen unter Verwendung neuronaler Netze klassifiziert werden können

Faltungsnetzwerke

Einstieg ins Deep Learning: Mustererkennung verbessern dank Vorverarbeitung der Bilder

Sentimentanalyse

Ein grundlegendes Beispiel, wie Texte unter Verwendung neuronaler Netze verarbeitet werden können

Nächste-Nachbarn-Verfahren

Ein vergleichsweise einfaches und anschauliches Verfahren zur Lösung von Klassifikationsaufgaben

Empfehlungssysteme

Die Nächste-Nachbarn-Bestimmung als grundlegender Baustein, um ein Empfehlungssysteme aufzubauen

k-Means-Algorithmus

Wie Daten bezüglich ihrer Ähnlichkeit analysiert und in Gruppen zusammengefasst werden können

Bildsegmentierung

Ein Anwendungsfall der Clusteranalyse: Wie Bilder auf geeignete Art und Weise komprimiert werden können

DBSCAN-Algorithmus

Je nach Struktur der Daten kann es bei der Clusteranalyse sinnvoll sein, dichtebasierte Verfahren einzusetzen

Entscheidungsbäume

Was Entscheidungsbäume sind und wie diese zur Lösung von Klassifikationsaufgaben beitragen können

Mehrere Entscheidungsbäume bilden gemeinsam einen Random Forest, um Klassifikationsaufgaben zuverlässiger lösen zu können

Lineare Regression

Analyse linearer Abhängigkeiten zwischen Eingangsdaten und einem vorherzusagendem Ergebnis

Logistische Regression

Regressionsanalyse für Datensätze, bei denen ein binäres Ergebnis vorherzusagen ist (binäre Klassifikationsaufgabe)

Singulärwertzerlegung

Was die Singulärwerte einer Datenmatrix sind und wie diese zur Bildkompression eingesetzt werden können

Dimensionsreduktion

Hauptkomponentenanalyse

Eine Methode basierend auf der Singulärwertzerlegung mit zahlreichen Anwendungen im Data Science

Dimensionsreduktion

Ein anschauliches Beispiel, um sowohl Singulärwertzerlegung als auch Hauptkomponentenanalyse genauer zu verstehen

Dimensionsreduktion

Reduktionsverfahren

Wie die Anzahl der Merkmale eines Datensatzes reduziert werden kann und dennoch wichtige Eigenschaften erhalten bleiben

Dimensionsreduktion

Spezielle künstliche neuronale Netze mit zahlreichen Einsatzgebieten, z.B. Dimensionsreduktion und Erkennung von Anomalien

Dimensionsreduktion