Machine Learning in der Praxis

Training 2 Tage

Termine und Buchung

-- Beschreibung

Vorgehensmodelle, Rollen, Anwendungen und Systeme

Machine Learning ist durch die neuesten Entwicklungen im Bereich Deep Learning zum zentralen Thema der künstlichen Intelligenz geworden. Obwohl Projekte im Bereich Machine Learning viele Gemeinsamkeiten mit klassischen Software-Projekten haben, sind das Vorgehen, die Prozesse, die Architektur und das Design und sogar die Rollen anders.

-- Agenda

  • Unterschiedliche Arten von Machine Learning verstehen: Supervised, Unsupervised oder Reinforcement Learning. Welche Form des Machine Learning passt ins eigene Projekt?

  • Anwendungen finden: Geschäftsnutzen erzielen

  • Daten-Analyse: Daten enthalten oft Schätze

  • Experimente statt Iterationen: Vorgehen in einem Machine Learning Projekt

  • Rollen im Machine Learning: Neue Prozesses erfordern neue Rollen

  • Services und Frameworks: Selbst bauen oder Bestehendes nutzen

  • Entwicklungszyklus: Vom Experiment zum Betrieb

  • ML in der Produktion: Monitoring und Metriken

  • Architekturziele im Machine Learning: Qualitätsmerkmale existieren auch im Machine Learning

  • Basiswissen Python, Scikit-Learn, Jupyter Notebook: Technische Grundlagen

-- Dein Nutzen

Mit praktischen Beispielen die unterschiedlichen Phasen eines Machine Learning Projekts kennenlernen

Lerne die einzigartigen Fähigkeiten von Machine Learning kennen

Methoden und Konzepte des Machine Learnings und Übungen im Python Code

Finde heraus, wie du Machine Learning für dein Geschäft nutzen kannst

-- Zielgruppe

Architekten, Produkt-Owner, Entwickler und Manager. Kenntnisse über die Prozesse und Herausforderungen von Software-Projekten. Grundlegende Kenntnisse der Programmierung sind hilfreich, aber nicht notwendig.

-- Lernziele

Unterschiedliche Formen des Machine Learning kennenlernen und einordnen

Geschäftsnutzen erzielen

Daten-Analyse

Unterschiedliche Rollen im Machine Learning

Services und Frameworks selbst bauen oder Bestehendes nutzen

Entwicklungszyklus

Monitoring und Metriken

Architekturziele im Machine Learning

Technische Grundlagen: Basiswissen Python, Scikit-Learn, Jupyter Notebook

-- Deine Trainer:innen

Oliver Zeigermann

Machine Learning und Frontend-Architektur

-- Fachinfos und Bücher

Machine Learning – kurz & gut: Einführung mit Python, Pandas und Scikit-Learn

Der kompakte Schnelleinstieg in Machine Learning und Deep Learning O’Reilly, 2. Auflage, April 2021, zusammen mit Chi Nhan Nguyen ISBN: 978-3960091615

Machine Learning Lösungen entwerfen (Architektur-Spicker Nr. 10)

Machine Learning (kurz ML) wird häufig mystifiziert. Tatsächlich eröffnet es ganz neue Möglichkeiten. Dabei unterscheiden sich Herangehensweise und Werkzeuge deutlich von klassischer Softwareentwicklung. Dieser Spicker führt unaufgeregt in das Thema ML ein und weist den Weg in eigene Experimente. Download & Infos

Online-Termine

Vor-Ort-Termine

Termine auf Anfrage

Event-Ticketing-Software von pretix

Mehr Infos zu unserem Loyalty-Rabatt. Stammkund:in? Schreib uns!

Inhouse Training

Du kannst dieses Training auch als Inhouse-Training exklusiv für Dein Team buchen. Bitte nutze dafür unser Anfrage-Formular.

Jetzt anfragen