Machine Learning mit MATLAB

En

In diesem zweitägigen Kurs wenden Sie verschiedene Verfahren der Datenanalyse und des maschinellen Lernens in MATLAB® mit Hilfe von Funktionalitäten der Statistics and Machine Learning Toolbox™ und der Neural Network Toolbox™ an. Sie verwenden Methoden des unüberwachten Lernens zum Erkennen von Merkmalen in großen Datensätzen, und erstellen Vorhersagemodelle mit Algorithmen des überwachten Lernens. Anhand praktischer Beispiele und Übungen werten Sie die Ergebnisse analytisch und grafisch aus.

Themen sind unter anderem:

  • Organisieren und Aufbereiten von Daten
  • Durchführen von Clusteranalysen
  • Erstellen von Klassifikations- und Regressionsmodellen
  • Interpretieren und Auswerten von Modellen
  • Vereinfachen von Datensätzen
  • Verwenden von Ensemble-Learning-Methoden zur Verbesserung der Performance

Voraussetzungen

Grundkenntnisse in MATLAB entsprechend der Schulung MATLAB Grundlagen oder äquivalent.

Tag 1

Importieren und Organisieren von Daten

Ziel: Importieren, Organisieren und Aufbereiten von Daten für die nachfolgende Analyse. Dies beinhaltet Normalisieren der Daten und Umgang mit Datenlücken.

  • Datentypen
  • Tabellarische Daten
  • Kategoriale Daten
  • Datenaufbereitung

Ermitteln natürlicher Muster in Daten

Ziel: Verwenden von Methoden des unüberwachten Lernens, um Beobachtungen zu gruppieren und natürliche Muster aufzudecken.

  • Unüberwachtes Lernen
  • Clusteranalyse
  • Auswertung und Interpretation von Clustern

Erstellen von Klassifikationsmodellen

Ziel: Erstellen diskreter Vorhersagemodelle durch Methoden des überwachten Lernens und Auswerten der Vorhersagegenauigkeit.

  • Überwachtes Lernen
  • Training und Validierung
  • Klassifikationsmethoden

Tag 2

Überprüfen und Verbessern des Modells

Ziel: Reduzieren der Dimensionalität von Datensätzen um Vorhersagemodelle zu vereinfachen. Verbesserung des Modells durch Auswahl geeigneter Algorithmen.

  • Kreuzvalidierungsverfahren
  • Transformation von Merkmalen
  • Auswahl von Merkmalen
  • Ensemble-Learning-Algorithmen (Boosting und Bagging)

Erstellen von Regressionsmodellen

Ziel: Erstellen und Auswerten kontinuierlicher Vorhersagemodelle durch Methoden des überwachten Lernens.

  • Parametrische Regressionsmodelle
  • Nichtparametrische Regressionsmodelle
  • Auswerten von Regressionsmodellen

Erstellen Neuronaler Netze

Ziel: Erstellen und Trainieren neuronaler Netze um Muster in Daten zu erkennen (Clusteranalyse) und Vorhersagen zu treffen. Anpassen der Netzwerkarchitektur zur Verbesserung der Performance.

  • Clustern mit selbstorganisierenden Karten (self-organizing maps)
  • Klassifikation mit vorwärtsgerichteten neuronalen Netzen (feed-forward neural networks)
  • Regression mit vorwärtsgerichteten neuronalen Netzen (feed-forward neural networks)

Details und Anmeldung

Den Preis und weitere Details und zu diesem Kurs sowie die Gelegenheit zur Anmeldung erhalten Sie auf der Seite unseres Partners MathWorks

Event Schedule

No events found. Event request.

Partner

Mathworks
Updated at: 2017-06-27 11:02to the top