#UnsuperviseMyMachine Machine Learning gilt als Schlüsseltechnologie zur Neu- und Weiterentwicklung von Produkten, Prozessen und Dienstleistungen. Dieses eintägige Grundlagenseminar vermittelt einen Überblick über die Möglichkeiten, Methoden und Einsatzgebiete von Data Mining und Unsupervised Machine Learning. Im Fokus dieser Einsteigerschulung stehen dabei Clustering Methoden und Anomalierkennung. Hauptziel der eintägigen Schulung ist es, die Teilnehmer mit den grundlegenden Paradigmen vertraut zu machen und die Funktionsweise etablierter Methoden zu erläutern. Darüber hinaus lernen die Teilnehmer, wie man Ergebnisse von Unsupervised Learning Verfahren wie Clustering validiert werden können. An einem Übungsdatensatz werden die erlernten Kenntnisse von den Teilnehmern unter Anleitung angewandt und das Wissen gefestigt. Für die Übungen wird die Programmiersprache Python und deren Open Source Bibliotheken für Data Science und Machine Learning verwendet. Nach Absolvieren der Schulung sind die Teilnehmer mit modernen Ansätzen von Unsupervised Machine Learning vertraut und in der Lage deren Vor- und Nachteile abzuwägen und kennen führende Open Source Software für die Umsetzung in der Praxis. Unsere erfahrenen Dozenten verfügen über mehrjährige Berufserfahrung in verschiedenen Branchen. Dadurch gewähren wir einen hohen Praxisbezug unserer Schulungen und Trainings. Die wichtigsten Inhalte der Unsupervised Machine Learning Schulung für Anfänger Einführung zu Data Mining sowie Unsupervised Learning und warum wir es brauch en: labeled vs. unlabeled DataEinordnung von Unsupervised Learning in den Business Kontext: AnwendungsbeispieleKlärung der wichtigsten Grundbegriffe und Definition der Problemstellungen bei Clustering-VerfahrenÜberblick über die verschiedenen Paradigmen von Clustering-Verfahren: Partitionierende Verfahren: Grundidee der Partitionierung mit Kostenfunktionen, Überblick über verschiedene Kostenfunktionen, Beispiel-Methoden (K-Means, K-Medoid, K-Mode, K-Median), Diskussion der Parameterisierung der Algorithmen sowie grundlegender Eigenschaften Wahrscheinlichkeitsbasierte Verfahren: Grundidee der Modellierung von Cluster durch Wahrscheinlichkeitsverteilungen, Vorstellung von Algorithmen, Diskussion der Unterschiede zu partitionierenden Verfahren Dichtebasierte Verfahren: Grundidee der Daten-Dichte, Überblick über Distanzfunktionen und Definitionen von Daten-Dichte, Beispiel-Algorithmen (DBSCAN, SNN), Diskussion der Parameterisierung sowie grundlegender Eigenschaften Hierarchische Verfahren: Hauptkonzept der hierarchischen Partitionierung, Darstellung der hierarchischen Partitionierung, grundlegende Algorithmen (Agglomerative und Divisive Algorithmen), Einführung in dichte-basierte hierarchische Clusterverfahren Diskussion von Evaluations-Verfahren für Ergebnisse von Clustering Verfahren: Einführung grundlegender Konzepte und Diskussion der wesentlichen Herausforderungen Überblick über die Klassen von Verfahren (interne und externe Methoden) Diskussion und Anwendungsszenarien Einführung in die Problemstellung der Ausreißererkennung: Problemdefinition, Beispiel-AnwendungenÜberblick über verschiedene Paradigmen der Ausreißererkennung: statistische Ansätze, globale Ansätze und lokale Ansätze Zielgruppe & Voraussetzungen Zielgruppe Dieses Unsupervised Machine Learning Seminar richtet sich an alle Personen, die einen Überblick über die Möglichkeiten und Einsatzpotenziale von Unsupervised Machine Learning erhalten möchten. Dazu gehören Mitarbeiter aus allen Fachbereichen mit analytischen Aufgaben, Business Analysten, Junior Data Scientists und interessierte IT-Mitarbeiter. Voraussetzungen Grundlegende Kenntnisse in Statistik, Mathematik und Informatik sind notwendig. Organisation Die Unsupervised Machine Learning Schulung findet von 10:00 Uhr bis 18:00 Uhr in München statt. Es gibt ein gemeinsames Mittagessen mit allen Seminarteilnehmern und dem Dozenten im Leib&Seele, das sich direkt neben dem Data Science Hub befindet. Hier haben Sie in entspannter Atmosphäre Gelegenheit, im gemeinsamen Gespräch mit dem Dozenten Themen und offene Fragen zu vertiefen. Die Teilnehmerzahl der Schulung ist auf 10 begrenzt, um Ihnen einen optimalen Lernerfolg zu ermöglichen. Ort Das eintägige Seminar findet in unserem Data Science Hub im Sapporobogen 6-8 in München statt. Mit den öffentlichen Verkehrsmitteln erreichen Sie uns innerhalb von 15 Minuten vom Hauptbahnhof. Gerne lassen wir Ihnen Hotelempfehlungen in der Nähe zukommen. Enthaltene Extras Im Preis ist neben dem eintägigen Seminar auch Verpflegungin Form eines Frühstückssnacks, eines gemeinsamen Mittagessens sowie Kaffee und Kuchen am Nachmittag enthalten. Im Seminar erhalten Sie ausführliche Schulungsunterlagen zur Nachbereitung und späteren Verwendung. Entfernen oder Ereignis zu aktualisieren