Der Kurs führt handlungsorientiert und mit Hilfe aktueller IT-Didaktik in elementare Machine-Learning Konzepte ein.
Als Einsteiger:in ohne Programmierkenntnisse beschäftigen Sie sich im Kurs praxisbezogen mit den grundlegenden Konzepten und Anwendungen von Machine Learning (ML).
Unser Kurs soll Ihnen dabei helfen, ML-Potentiale in Ihrer Wissenschaft besser einschätzen zu können.
Sie nutzen im Kurs Orange, das es Ihnen ermöglicht, mit Machine Learning (ML) Techniken experimentieren zu können, ohne programmieren zu müssen.
Zielgruppe: Wissenschaflter*innen, die einen orientierenden praxisfokussierten Eindruck über Machine Learning erhalten wollen.
Vorrausetzungen:
- Sie verfügen über solide Basiskenntnisse in Excel.
- Auf Ihrem Computer ist Excel in einer aktuellen Version installiert.
- Sie besitzen Administratorenrechte auf Ihrem Computer oder haben vor Kursbeginn Orange installiert.
- Sie benötigen einen PC oder Mac (nicht Linux) mit funktionierendem WLAN
- Kurssprache ist Deutsch. Die von unserem Dozenten verwendete Software und alle Dokumente, Webquellen etc. sind englischsprachig.
Inhalte:
Historischer Überblick, Neuronale Netze
Überblick über Machine Learning (ML), Artificial Intelligence: Historische Entwicklung und Status Quo. Berechnung aller wichtigen Kennziffern eines Neuronalen Netzwerkes; Stichworte: Forward-und Backward-Propagation, Neuron, Input-Layer, Hidden-Layer, Output-Layer, Weight, Activation Function, Bias
Überwachtes Lernen, Klassifizierung
Maschinelles Lernen und Big Data, Nutzung und Möglichkeiten von Orange, Datenvorbereitung und - Klassifizierung, Import, Bereinigung und Normalisierung von Daten; Nutzung und Bewertung von Klassifizierungsmodellen: Entscheidungsbäume, Random Forest und Boosted Trees
Unüberwachtes Lernen, Regression, Clustering
Penalisierte Regression: Lasso und Ridge Regression; Clustering-Techniken: K-Means und Self-Organizing Maps; Realisierung einer End-to-End-Datenanalyse; Anwendungsfälle
Ziele:
Ihr erworbenes Verständnis der vermittelten ML-Konzepte kann Ihnen helfen,
- Ihre Forschungsfragen effektiver zu bearbeiten,
- neue Forschungsansätze zu verfolgen,
- die Effizienz und Effektivität Ihrer Forschungsarbeiten zu erhöhen und
- ein fachlich fundiertes Gespräch mit Ihrer Machine-Learning programmierenden Fachperson zu führen.
Methoden:
Die Fortbildung ist als Präsenz-Workshop angelegt. Kurze inhaltliche Impulse werden von umfangreichen Übungssequenzen im Plenum und in Kleingruppen begleitet.
Unter diesem LINK finden Sie eine noch detailliertere Kursbeschreibung. 