Maschinenlernen ist für alle da.

Diese Einführungs-Vorlesung hilft dabei, ein Bewusstsein für Muster im maschinellen Lernen und Anwendungsfälle in der realen Welt zu entwickeln. Nach diesem Kurs werden Sie in der Lage sein: * Überwachte und Unüberwachte Lerntechniken und deren Anwendungen zu beschreiben * Techniken wie Klassifikation, Clustering und Regression zu verstehen * Zu diskutieren, wie man herausfindet, welche Art von Technik für einen spezifischen Anwendungsfall anzuwenden ist * Die gängigen Angebote im Bereich Machine Learning wie Amazon Machine Learning, TensorFlow, Azure Machine Learning, Spark mlib, Python und R usw. zu verstehen * Anaconda zu installieren und einzurichten. * Praktische Aktivitäten mit Jupyter Notebooks durchzuführen. Themenübersicht: * Kurseinführung * Muster im maschinellen Lernen - Klassifikation - Clustering - Regression * Gartner-Hype-Zyklus für aufkommende Technologien * Angebote im Bereich Machine Learning in der Industrie * Übung 1 - Anaconda installieren und einrichten. * Python-Bibliotheken - NumPy - Pandas - Scikit Learn * Übung 2: Datenanalyse mit Pandas * Algorithmen - Lineare Regression - Entscheidungsbaum * Übung 3: Lineare Regression mit Scikit-learn durchführen * Referenzen und nächste Schritte