Ab 01.04.2022 | THU | Grundlagen des maschinellen Lernens mit Python

In diesem Modul erlernen die TeilnehmerInnen grundlegende Methoden des maschinellen Lernens und deren Anwendung in Python. Das Modul vermittelt theoretische Grundlagen zu Algorithmen des überwachten und unüberwachten Lernens und verzahnt diese stets mit der Anwendung in Python auf Basis realer Datensätze. Da der Einsatz maschineller Lernverfahren weitreichende Implikationen haben kann, liegt ein besonderes Augenmerk auf der korrekten Evaluation der Modelle und Einordnung der Ergebnisse.

Das Modul beinhaltet einen festen wöchentlichen Online-Termin am Dienstagabend, jeweils von 19:00 – 20:30 Uhr.

Termine:

  • 15./22./29. März 2022
  • 5./12./19./26. April 2022
  • 3./10./17./24./31. Mai 2022
  • 21./28. Juni 2022
  • 5. Juli 2022

 

Inhalt:

Zunächst werden generelle Konzepte vorgestellt wie unterschiedliche Lernansätze ((Un-)Supervised, Reinforcement), Umgang mit verschiedenartigen Daten (Skalenniveaus), Problemlösungsvorgehen nach CRISP-DM, Trainings- und Testdaten, Loss-Functions oder Qualitätsmaße.

Die folgenden Inhalte werden mit umfangreichem Übungsanteil auf Basis realer Daten (etwa von der Kaggle-Website) hauptsächlich mit Hilfe der Python ML-Bibliothek scikit-learn unter Bezug auf die generellen Konzepte vermittelt:

– Unüberwachte Verfahren:
+ Clustering
+ Hauptkomponentenanalyse
+ Assoziationsanalyse
– Überwachte Verfahren
+ Regression
+ Klassfikation: Entscheidungsbäume, Naive Bayes, k-Nearest Neighbors
+ Ensemble Methoden: Random Forest, AdaBoost
– Einfache Neuronale Netze

Den Abschluss bildet ein Projekt, bei dem zur Lösung einer konkreten Aufgabenstellung verschiedene der zuvor erlerneten Konzepte und Methoden anhand des CRISP-DM-Prozesses zum Einsatz kommen sollen

 

Lernsetting:

Das Online-Studium findet im Selbststudium in der Form eines „Flipped Classroom“ statt. Für das Selbststudium stehen Video-Vorlesungen, ausführliche und sauber dokumentierte Codebeispiele als Jupyter-Notebooks und praktische Übungen bereit. In wöchentlichen Online-Sprechstunden werden Sie bei der Bearbeitung des Lernstoffs zusätzlich unterstützt.

 

Dozent:

Prof. Dr. Reinhold von Schwerin, Technische Hochschule Ulm

Leistungsumfang:

Bei erfolgreichem Abschluss des Moduls erhalten Sie ein Zertifikat sowie ein Supplement, das die Inhalte des Moduls als Übersicht auflistet. Im Supplement bestätigt Ihnen der Modulverantwortliche das Äquivalent von 3 Leistungspunkten nach ECTS.


Teilnahmeentgelt:
720 €

Weitere Informationen zum Modul

Die Anmeldung erfolgt ausschließlich über die Universität Ulm. Bitte nutzen Sie für Ihre Anmeldung nur den oben aufgeführten Link zum Modul und nicht das untenstehende Formular.

Anmeldung zur Veranstaltung





Datenschutzinformationen

Die von Ihnen eingegebenen Daten der Modulanmeldung werden von der Geschäftsstelle der School of Advanced Professional Studies (SAPS) der Universität Ulm gespeichert. Sie können sich diese Daten für Ihre Unterlagen selbst ausdrucken. Ihre Einwilligung zur Verarbeitung Ihrer personenbezogenen Daten können Sie jederzeit auch merkmalsbezogen bei der SAPS-Geschäftsstelle widerrufen. Selbstverständlich haben Sie jederzeit in Bezug auf § 14 Landesdatenschutzgesetz ein Auskunfts- und Berichtigungsrecht bezüglich Ihrer gespeicherten Daten. Eine entsprechende Anfrage richten Sie bitte schriftlich (saps@uni-ulm.de) an die SAPS-Geschäftsstelle der Universität Ulm. Ihre Daten werden über eine verschlüsselte Verbindung übertragen. Von der SAPS-Geschäftsstelle gespeicherte Daten können Sie jederzeit per E-Mail nachfragen und ggf. ändern/berichtigen lassen.
Die im Formular von Ihnen angegebenen Daten werden von uns ausschließlich für die Beantwortung bzw. Umsetzung Ihrer Anfrage und zur Kontaktaufnahme verarbeitet. Für die Verarbeitung beziehen wir uns auf den Art. 6. Abs. 1 lit. a DSGVO, sofern keine anderweitige gesetzliche Grundlage besteht. Eine Weitergabe an Dritte findet grundsätzlich nicht statt. Sie können Ihre erteilte Einwilligung jederzeit mit Wirkung für die Zukunft widerrufen. Im Falle des Widerrufs werden Ihre Daten umgehend gelöscht. Ihre Daten werden ansonsten gelöscht, wenn wir Ihre Anfrage bearbeitet haben oder der Zweck der Speicherung entfallen ist. Sie können sich jederzeit über die zu Ihrer Person gespeicherten Daten informieren. Weitere Informationen zum Datenschutz finden Sie auch in der Datenschutzerklärung dieser Webseite.