Maschinelles Lernen mit MATLAB
Programm ansehen und anmeldenKursbeschreibung
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
Tag 1 von 2
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
- 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 von 2
Überprüfen und Verbessern des Modells
Ziel: Reduzieren der Dimensionalität von Datensätzen um Vorhersagemodelle zu vereinfachen. Verbesserung des Modells durch Auswahl geeigneter Algorithmen.
- Kreuzvalidierungsverfahren
- Optimierung von Hyperparametern
- 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)
Stufe: Aufbaukurse
Voraussetzungen:
- Grundkenntnisse in MATLAB entsprechend der Schulung MATLAB Grundlagen oder äquivalent
Dauer: 2 Tage
Sprachen: English, 中文, 日本語, 한국어