Praxisorientierte Einführung in Machine Learning
Erklärung des Prinzips des Support Vector Machine Learning Algorithmus, Kernelfunktionen, Codebeispiele, Hyperparameteroptimierung, visuelle Vergleichsmöglichkeiten.
Einführung in Scikit-Learn, NumPy, Matplotlib und Pandas.
Zum Abschluss des Kurzseminars besteht die Teilnahmemöglichkeit an einem Quiz. Darüber hinaus wird die Vertiefung der Kenntnisse in den betreuten Übungen angeboten.
Lernziele: Generieren und verarbeiten von synthetischen Daten, Anwenden der ML Algorithmen, Evaluation der Modelle, Visualisierung, Optimierungsverfahren.
Zielgruppe: Einsteiger in Machine Learning und Data Science, grundlegende Kenntnisse in Python Programmierung.
Dauer: bis zu 2h; ggf. weitere Bearbeitung von Aufgabenstellungen von zu Hause aus; Möglichkeiten zur Unterstützung per E-Mail.
Format: Online Schulung via Zoom; Bereitstellung von Schulungsunterlagen über Moodle.
Hard- und Softwarevoraussetzungen: Die Beispiele wurden auf einem I Core 7 – 8. Generation mit 32 GB Ram und einer Nvidia Quadro P1000 getestet. Als Softwareumgebung kam Anaconda 3 mit Python 3.11.5 zum Einsatz.
Bei Bedarf kann zum Lösen der Aufgaben eine Online Arbeitsumgebung genutzt werden.
Hinweis zur Organisation: Die Veranstaltung wird mit dem Online-Konferenztool „Zoom“ durchgeführt. Zur Teilnahme sind weder Download noch Registrierung nötig. Es genügt ein aktueller Webbrowser.
Der Zugangslink wird rechtzeitig zur Verfügung gestellt.
Diese Veranstaltung wird im Rahmen des KISMi Projekts angeboten. Das Projekt wird als regionales KI-Lab gefördert durch das Ministerium für Wirtschaft, Arbeit und Tourismus Baden-Württemberg im Rahmen der Initiative Wirtschaft 4.0 Baden-Württemberg (IW4.0).
