Beschreibung
Machine Learning Scientist mit R
Als Machine Learning Scientist mit R sind Sie für die Entwicklung von Modellen und Algorithmen für maschinelles Lernen verantwortlich, die große Datenmengen verarbeiten und Muster und Zusammenhänge erkennen können.In Ihrer Rolle arbeiten Sie mit statistischen Methoden und Algorithmen, um Vorhersagen zu treffen und Muster in Daten zu identifizieren. Sie sind vertraut mit Programmiersprachen wie R und können Datenanalyse-Tools nutzen, um Daten zu bereinigen, zu manipulieren und zu visualisieren. Darüber hinaus verfügen Sie über Kenntnisse in maschinellem Lernen, Deep Learning und künstlicher Intelligenz und können diese Fähigkeiten auf verschiedene Anwendungsbereiche anwenden, z.B. in der Bilderkennung, Spracherkennung oder Prozessoptimierung.
Kommende Starttermine
Inhalte / Module
- Einführung in Machine Learning und R
- Was ist Machine Learning?
- Überblick über Machine-Learning-Methoden
- Warum R für Machine Learning?
- Datenaufbereitung und -exploration mit R
- Datentypen und Datenstrukturen in R
- Datenimport und -export mit R
- Datenexploration mit R: Grafiken und Visualisierung
- Datenbereinigung und -transformation
- Überwachtes Lernen: Klassifikation und Regression
- Grundlagen der Klassifikation und Regression
- Lineare Modelle in R
- Entscheidungsbäume und Random Forests
- Support-Vector-Maschinen
- K-nearest-Neighbor und Naive Bayes
- Unüberwachtes Lernen: Clustering und Dimensionalitätsreduktion
- Grundlagen von Clustering und Dimensionalitätsreduktion
- K-means-Clustering
- Hierarchisches Clustering
- Hauptkomponentenanalyse
- Modellvalidierung und -auswahl
- Trainings- und Testdatensätze
- Cross-Validation
- Modellauswahl und -vergleich
- Hyperparameter-Tuning
- Ensemble-Methoden und Deep Learning
- Ensemble-Methoden: Bagging, Boosting, Stacking
- Einführung in Deep Learning
- Neuronale Netze und Künstliche Intelligenz
- TensorFlow in R
- Praktische Anwendungen und Fallstudien
- Anwendungsbeispiele für Machine Learning in R
- Fallstudien zur Lösung realer Probleme
- Best Practices und Empfehlungen für Machine-Learning-Projekte
Zielgruppe / Voraussetzungen
Die Schulung kann auch für Business-Profis und Entscheidungsträger:innen von Vorteil sein, die ein Verständnis für die Anwendung von Machine Learning auf Geschäftsprobleme entwickeln möchten. Es wird erwartet, dass die Teilnehmenden über Grundkenntnisse in Statistik, Mathematik und Programmierung verfügen, um das volle Potenzial der Schulung ausschöpfen zu können.
Hinweis: Dieser Kurs richtet sich an Mitarbeitende aus Unternehmen und Institutionen.
Für Privatpersonen ist dieser Kurs leider nicht geeignet.
Eine Informationsanfrage zu diesem Kurs ist nur für Beteiligte aus dem B2B-Bereich sinnvoll.
Abschlussqualifikation / Zertifikat
Infos anfordern
GFU Cyrus AG
Erweitern Sie Ihre IT-Skills mit einem offenen IT-Training oder ganz nach Ihren Bedürfnissen durch eine individuelle IT-Schulung. Programmiersprachen (C#, Python, Java, …), Microsoft Office 365, Anforderungsmanagement, Projektmanagement, Business Intelligence, Data Science, Künstliche Intelligenz, IT-Sicherheit , Administration & Datenbanken, Softwareentwicklung, Testmanagement...
Erfahren Sie mehr über GFU Cyrus AG und weitere Kurse des Anbieters.