Data Science in R Kurs

About this course

Data Science in R Kurs

Schulung der Grundlagen von Machine Learning, Datenanalyse, Data Mining mit RStudio

Termin OrtPreiseBelegung 
15.02.2021 - 17.02.2021Live-Online1.225 €
19.04.2021 - 21.02.2021Stuttgart1.225 €
05.05.2021 - 07.05.2021München1.225 €


Über die Schulung

Dauer: 3 Tage

Gruppengröße: 3-10

Level: Anfänger in R mit Programmiererfahrung in einer anderen Sprache

Anteil Coding: 60%

Sprache: R

Bibliotheken: data.table, ggplot2, caret, rpart, stats, randomForest,…

Skript: gedruckt & .pdf (Theorie, Aufgaben & Lösungen)

Schulung auf einen Blick

Wichtige Datenstrukturen

data.table

Statistiken berechnen

Eine eigene Funktion schreiben

Grafiken mit ggplot2 erstellen

Daten einlesen und schreiben (csv, xls, .RData)

Machine Learning Einführung

Train-Test-Split, Kreuzvalidierung

Lineare Regression, Entscheidungsbaum, K-Means

Innere einer HDD Festplatte. Data Science braucht Daten.

Beschreibung vom R Kurs mit RStudio

Der dreitägige Kurs führt in die Verwendung von R für Data Science ein, erklärt die Grundlagen von Data Science (Data Mining) und die Verwendung von R. Das notwendige theoretische Verständnis wird geschult mit dem Ziel die Verfahren praktisch in R und RStudio umsetzen zu können. Am Ende der Schulung können Sie selbstständig erste Datenanalysen in R umsetzen und Machine Learning Algorithmen für die Datenanalyse oder das Data Mining mit R einsetzen.

Das Paket data.table ist ein Schwerpunkt dieser Data Science Schulung, da dieses Paket speziell für Data Science entwickelt wurde und aufgrund seiner Performance überzeugt. Die data.tables entsprechen den häufig in der statistischen Programmiersprache R verwendeten data.frames und ermöglichen eine elegante Analyse der Daten.

Das Paket ggplot2 wird für die Erstellung von Plots und Grafiken erläutert. ggplot2 ist eines der beliebtesten Pakete in R für die Visualisierung.

Nach den Grundlagen der Datenanalyse mit R erhalten Sie einen Überblick über Algorithmen im Machine Learning, welche wir in R selbst programmieren werden. Ein wichtiger Bestandteil der Data Mining Schulung ist das eigenständige Arbeiten und Lösen von Übungsaufgaben, so dass Sie mit Hilfe des Trainers das Besprochene direkt in der Praxis umsetzen und anwenden können.

Was lernen Sie in der R für Data Science – Data Mining Schulung?

In diesem Kurs erhalten Sie einen Überblick über die in der Statistik, Data Science und Machine Learning viel benutzten Programmiersprache R. Als Entwicklungsumgebung/IDE wird RStudio verwendet, die am Meisten verwendete Umgebung für R. Nach dem Seminar können Sie Daten aus verschiedenen Formaten einlesen, Daten mit ggplot2 plotten bzw. Daten mit data.table bereinigen (fehlende Werte ersetzen, Zeilen und Spalten anpassen, neue Spalten erzeugen).

Sie kennen die wichtigsten Datentypen in R, können eigene einfache Funktionen schreiben und kennen die Umsetzung von Control Flows (For-Schleife, If-Else) in R. Sie verstehen das Grundkonzept eines data.table und können damit Data Wrangling und Data Cleaning durchführen.

Die Einteilung von Machine Learning in supervised-unsupervised und Reinforcement Learning ist Ihnen bekannt und Sie können eigenständig Algorithmen in R trainieren, validieren, einen Train-Test Split durchführen und Gütekriterien zur Beurteilung eines Algorithmus berechnen und interpretieren. Bekannte Algorithmen im Machine Learning werden erläutert und Sie können die verschiedenen Algorithmen verstehen und in R im Code schreiben. Das Seminar umfasst Algorithmen für die Regression, Klassifikation und dem Clustering: Lineare Regression, Logistische Regression, Entscheidungsbaum, Random Forest, k-means clustering.

Nach der Schulung ist die Einstiegshürde für die Benutzung von R im Machine Learning und Data Science genommen, so dass Sie eigenständig Ihr Wissen erweitern können. Der Schwerpunkt im Kurs liegt auf der eigenen Umsetzung in RStudio mit Unterstützung des Dozenten.



10:00 – 10:15
Begrüßung und Organisatorisches
  • Vorstellungsrunde
  • Erwartungen der Teilnehmer

 

10:15 – 11:45


Einführung in R & Wichtige Datenstrukturen
  • R und RStudio
  • Installation und Laden von Paketen
  • Wie finde ich weiterführende Informationen?
  • Welchen Unterschied hat R zu anderen Programmiersprachen?
  • Grundlegende Datenstrukturen in R

 

11:45 – 12:00
Kaffeepause

 

 

12:00 – 13:30


Data.table Paket – Einführung
  • Einführung in die Besonderheit vom data.table Paket und Ähnlichkeit zu SQL-Abfragen
  • Erzeugen eines data.table
  • Möglichkeiten, Zeilen und Spalten zu extrahieren
  • Berechnungen direkt auf Spalten durchführen
  • Berechnungen nach Variablen gruppieren
13:30 – 14:30
Mittagspause

 

14:30 – 16:00


Daten einlesen und schreiben
  • Das Arbeitsverzeichnis in R und RStudio setzen
  • Ein CSV, Excel bzw SPSS Datei einlesen / schreiben
  • Überblick über nützliche Parameter
  • Die fread() Funktion für große Datenmengen
  • Abfragen aus einer Datenbank (SQLite)

 

16:00 – 16:15
Kaffeepause
16:15 – 18:00


Datenmanipulation
  • Manipulationen auf einem data.table bei Zeilen und Spalten
  • Zusammenfassen und Filtern von Daten
  • Variablen erstellen, löschen, ändern
  • Fehlende Werte ersetzen
  • lapply() und die Anwendung in einem data.table (mit .SD und .SDcols)



09:00 – 09:15
Rückblick und offene Fragen von Tag 1

 

09:15 – 10:45


Control Flows
  • Eine eigene Funktion schreiben
  • Default Parameter in einer Funktion setzen
  • For Schleifen
  • If-Else Bedingungen
  • While Schleife

 

10:45 – 11:00
Kaffeepause

 

 

11:00 – 12:30


Datenvisualisierung mit ggplot2
  • Das Konzept hinter der Grammar of Graphics
  • Die Layer von ggplot2 zur Erstellung erster Plots und zum Plotten von Statistiken
  • Darstellungen (Größe der Datenpunkte, Farbe, Gruppierung) mit einer Variable variieren oder festsetzen
  • Mehrere Subplots erstellen, Plots anpassen und speichern
12:30 – 13:30
Mittagspause

 

13:30 – 15:00


Berechnen von Statistiken direkt im data.table
  • Deskriptive Statistiken
  • Zufallszahlen aus verschiedenen Verteilungen ziehen
  • Korrelationen (Spearman, Pearson)

 

15:00 – 15:15
Kaffeepause
15:15 – 17:00


Überblick über Machine Learning
  • Einführung in Machine Learning
  • Anwendungsbeispiele von Machine Learning
  • Künstliche Intelligenz – Machine Learning – Deep Learning
  • Unterschied Supervised – Unsupervised Learning (überwachtes – unüberwachtes Lernen)
  • Overfitting, Train-Test-Split und cross-validation (Kreuzvalidierung)



09:00 – 09:15
Rückblick und offene Fragen von Tag 2

 

09:15 – 10:45


Lineare Regression
  • Aufteilung der Daten in Test-Train, ein Model erstellen und validieren
  • Grundlagen des Algorithmus
  • Umsetzung in R
  • Validieren der Ergebnisse (mean squared error)
  • cross-validation (Kreuzvalidierung)

 

10:45 – 11:00
Kaffeepause

 

 

11:00 – 12:30


Entscheidungsbaum in R
  • Aufteilung der Daten in Test-Train, ein Model erstellen und validieren
  • Grundlagen des Algorithmus
  • Umsetzung in R
  • Validieren der Ergebnisse (u.a. confusion matrix, sensitivity, accuracy)
  • Anpassen von Hyperparametern im Training
  • cross-validation (Kreuzvalidierung)
12:30 – 13:30
Mittagspause
13:30 – 15:00


Logistische Regression in R
  • Aufteilung der Daten in Test-Train, ein Model erstellen und validieren
  • Grundlagen des Algorithmus
  • Umsetzung in R
  • Validieren der Ergebnisse (u.a. AIC; BIC; confusion matrix, sensitivity, accuracy)
  • ROC curve und AUC
  • Interpretation der Ergebnisse
  • cross-validation (Kreuzvalidierung)

 

15:00 – 15:15
Kaffeepause
15:15 – 17:00


Weitere Machine Learning Algorithmen in R
  • Überblick der Algorithmen Support Vector Machine (SVM), Random Forest und K-means
  • Umsetzung der Algorithmen in R
  • Validieren der Ergebnisse


Zielgruppe der Data Mining mit R Schulung

Dieser Kurs für Data Science und Datenanalyse mit R richtet sich an Personen, die in ihrem Unternehmen als data scientists, Machine Learning engineers oder Data Analysts, o.ä. tätig sind bzw. tätig werden. Der Einsatz von Machine Learning Algorithmen ist bei den Teilnehmern auch geplant.

Voraussetzungen für die Data Science Schulung

Diese Schulung, um R für Data Mining und Machine Learning einzusetzen, benötigt keine Kenntnisse in R. Jedoch sind grundlegende Kenntnisse einer anderen Programmiersprache nötig, da wir in R Variablen anlegen, diesen Werte zuweisen und eigene Funktionen oder for-Schleifen schreiben.

Statistische Grundlagen sind auch notwendig. Teilnehmer sollten folgende Begriffe kennen: Mittelwert, Standardabweichung, Median, Normalverteilung.  Auch das Summenzeichen, das Integral oder eine mathematische Funktion sollte bekannt sein. Sehr hilfreich ist Kenntnis der drei logischen Operatoren UND, ODER, NICHT.

Da wir Daten mit R analysieren, sollten die Teilnehmer bereits mit Daten in Excel oder einer BI-Software gearbeitet haben, denn wir berechnen bspw. spaltenweise einfache Statistiken wie den Mittelwert oder die Varianz.

Die Dokumentation und weiterführende Einträge über R sind im Internet meist auf Englisch. Daher werden die Folien dieses Kurses auf Englisch sein. Das Seminar selbst wird auf Deutsch gehalten.

Didaktischer Aufbau des Datenanalyse Seminars

In dieser Data Mining Schulung steht die Praxis im Vordergrund. Teilnehmer programmieren selbstständig mit RStudio, so dass sie das Erlernte einüben können und Unklarheiten sofort geklärt werden können. Der Trainer unterstützt bei den Lösungen und hilft auch weiterführende Fragestellungen zu beantworten.

Technik im Seminar

  • Die Teilnehmer benötigen für die Übungsaufgaben Laptops. Wir empfehlen, Ihren eigenen Laptop mit der vorab installierten Software mitzubringen. Eine genaue Installationsanleitung für die Software wird Ihnen vor dem Seminar per E-mail zugesandt. Auf Anfrage stellen wir auch Schulungslaptops zur Verfügung.
  • Bitte prüfen Sie, ob Ihr Firmenlaptop Zugangsbeschränkungen im Internet hat. Die digitalen Unterlagen (Skript, Code, Dateien) werden im Seminar online zum Download zur Verfügung gestellt. Sie erhalten vor dem Seminar per E-Mail den Link zu einer Testdatei zum Download, um dies überprüfen zu können.
  • Sie sollten sich in firmenfremde WLAN-Netze registrieren können.
  • Als Backup Lösung ist es möglich, dass der USB Port bei Ihrem Laptop freigeschalten ist, um damit verwendete Dateien oder sonstige Unterlagen übertragen zu können.
  • In der Schulung wird das Betriebssystem Windows verwendet. Der Umgang mit Ihrem verwendeten Betriebssystem und Laptop sollte bekannt sein. Insbesondere sollten Sie ohne Schwierigkeiten Sonderzeichen auf der Tastatur finden (insbesondere bei Apple Geräten werden auf manchen Tastaturen nicht immer runde, eckige bzw. geschweifte Klammern dargestellt).

Für das Seminar ist folgendes Buch als Ergänzung hilfreich: Hadley Wickham: R for Data Science. Grundsätzlich wird alles Wissen und Codebeispiele im Kurs so erklärt, dass es nicht nötig ist vor dem Kurs ein Buch zu lesen. Sie sollten lediglich darauf achten, dass Sie die Voraussetzungen (siehe Reiter Organisatorisches –> Voraussetzungen) erfüllen.

Wir bieten den Kurs in folgender Stadt an: Stuttgart. Falls Sie die Schulung gerne in einer anderen Stadt oder direkt bei Ihnen im Unternehmen besuchen möchten, kontaktieren Sie uns gerne.

Definitiv. Sie werden sich im Kurs wohlfühlen. Die erste von vier Lektionen am ersten Tag schafft die Grundlagen und sie können den Editor gleich selbst ausprobieren. Ab der zweiten Lektion ist mindestens die Hälfte der Zeit zum selbstständigen Üben, so dass Sie das Besprochene direkt coden können und selbst erkennen, wo noch Fragen bestehen, die Sie mit dem Dozenten direkt besprechen können.

Im Seminar enthält jeder Block (meist über etwa 90 Minuten) eine oder mehrere Theorie- und Praxiseinheiten. Die Theorieeinheit dient dazu, Ihnen das nötige Wissen zu vermitteln, um die Übungsaufgaben zu verstehen und selbstständig lösen zu können. Wir verzichten auf langatmige, wissenschaftliche Theorieeinheiten und konzentrieren uns auf den theoretischen Stoff der zu einem besseren Verständnis beiträgt. Der Fokus liegt auf der Praxis, d.h. dem Codeschreiben und Lösen von kleinen Verständnisaufgaben zum Lernstoff. Fragen von Teilnehmern sind jederzeit möglich. Während der Praxiseinheit werden die Fragen individuell vom Dozenten beantwortet. Fragen von allgemeinem Interesse werden allen Teilnehmern erklärt. Die Folien, welche die Theorie und weitere Erklärungen vom Code enthalten erhalten Sie als pdf und in gedruckter Version. Codebeispiele und die Musterlösung der Übungsaufgaben liegen digital vor.

Die Übungen bestehen hauptsächlich aus Coding Aufgaben, d.h. Sie schreiben entweder kurze Codebeispiele oder Sie werden gefragt, Codelücken in einem bestehenden Code zu ergänzen. Letzteres schult auch das Codeverstehen. Die Aufgaben sind so gewählt, dass die wichtigen Aufgaben von allen Teilnehmern in der verfügbaren Zeit gelöst werden können. Wir haben Coding Aufgaben unterschiedlichen Schwierigkeitsgrades vorbereitet, so dass schnellere Teilnehmer oder Teilnehmer mit Vorwissen zusätzlich an weiteren Aufgaben üben können. Desweiteren gibt es für manche Kapitel kurze Kontrollfragen zum Theorieteil.

Sie sollten sicher gehen, dass ihr Laptop den Kriterien unter dem Reiter Organisatorisches –> Technik erfüllt. Manche Teilnehmer bringen statt des Firmenlaptops einen privaten Laptop zur Schulung, da diese meist keine Beschränkungen bei der Installation von Software oder den Zugang zum Internet aufweisen. Bitte beachten Sie dann, dass Sie sich mit dem Betriebssystem und der Tastatur Ihres mitgebrachten Laptops auskennen.

Falls Sie sich nicht sicher sind, ob Sie die Voraussetzungen für die Schulung erfüllen, welche im Reiter Organisatorisches->Voraussetzungen beschrieben sind, kontaktieren Sie uns gerne. Uns ist es ein Anliegen, dass jeder Teilnehmer den für Ihn passenden Kurs bucht. Damit stellen wir sicher, dass die Gruppe vom Vorwissen homogen ist und die Geschwindigkeit und der Schwierigkeitsgrad für alle angemessen ist.

Da es nicht immer ganz leicht ist selbst einzuschätzen, ob man die Voraussetzungen für den Kurs erfüllt können Sie uns gerne bei Fragen kontaktieren. Gemeinsam stellen wir fest, ob Sie mit unserem Angebot an Data Science, Machine Learning bzw. Deep Learning Seminaren erreichen können, was Sie anstreben. Wenn nicht, haben wir vielleicht den ein oder anderen Tipp, wie Sie ohne uns ein Stück schlauer im Bereich Künstlicher Intelligenz werden.

Ja. Vor jedem Kurs bekommen die Teilnehmer das Skript als pdf. Am ersten Kurstag  wird dies zusätzlich in gedruckter Form zur Verfügung gestellt und die Datenbeispiele, Codebeispiele und -lösungen als Dateien bereitgestellt.

○ Unsere Trainer sind Experten aus der Praxis, welche durch Beiträge in Forschungspublikationen, Industrieprojekten oder Patenten die Theorie kennen und wissen, was für die Umsetzung relevant ist. Wir schulen Ihnen Wissen und Fähigkeiten, welche Sie direkt in ihrem Arbeitsalltag umsetzen können. Wir versuchen so oft als möglich realistische Daten und Code-beispiele zu verwenden, damit Sie idealerweise schon während des Seminars den häufigsten Stolpersteinen begegnen und nicht erst hinterher in ihrer Arbeit.

○ Unsere Kurse sind komplett vorbereitet. Es ist eine klare Struktur vorhanden und die Inhalte werden auf Folien erklärt, welche für Sie als Nachschlagemöglichkeit dienen. Darüber hinausgehende Fragen werden am Flipchart erarbeitet oder, falls wir eine Frage nicht sofort oder nur unzureichend am Flipchart erklären können, erstellen wir Ihnen Unterlagen und versenden diese im Nachgang. Wir bieten keine Seminare an, welche aus gemeinsamen Live-Coding Sessions bestehen, in denen die Teilnehmer den Code vom Dozenten in ihrem Laptop abtippen. Wir nutzen Ihre Zeit und wollen Ihnen bestmöglich den Inhalt in der Tiefe vermitteln, der Sie befähigt, nach dem Seminar eigenständig Ihr Wissen für Ihre Arbeit zu erweitern. 

○ Bisherige Kursteilnehmer sind sehr zufrieden mit unseren Schulungen, wie Sie an unseren ProvenExpert https://www.provenexpert.com/enable-ai/ Bewertungen sehen können. 

○ Unsere Kurse sind praxisorientiert mit vielen Übungsaufgaben (und Lösungen), so dass Sie die typischen Fehler schon während des Seminars machen können (und hoffentlich danach vermeiden :). Durch unsere kleine Gruppen von max. 10 Teilnehmern stellen wir sicher, dass wir individuell auf Ihre Fragen eingehen können. Wir aktualisieren stets unsere Schulungen, fügen z.B. weitere Beispiele ein an Stellen, an denen vermehrt Verständnisschwierigkeiten aufgetreten sind oder schieben Passagen in den Anhang, die für Teilnehmer nicht relevant waren. Zudem achten wir darauf, dass die verwendeten Codebeispiele auf den aktuellen Paketversionen basieren.

Unser Ziel ist, dass Sie zufrieden mit unseren Leistungen sind und im Seminar viel lernen können. Falls Sie dennoch  in einem mehrtägigen Seminar bis zum Ende des ersten Seminartags merken, dass dieses Seminar nicht Ihren Erwartungen entspricht, sprechen Sie bitte mit dem Kursleiter am ersten Seminartag und wir erstatten Ihnen die volle Kursgebühr inkl. Anreise (30 Cent / km bzw. Bahnfahrt 2. Klasse).

Um die Schulung zu buchen, füllen Sie das Buchungsformular aus, welches nach Klicken auf “Kurs buchen” bzw. “Buchen” erscheint. Falls Sie das Buchungsformular nicht ausfüllen können oder unsicher sind, wie Sie das Buchungsformular ausfüllen sollen, können Sie uns auch eine Nachricht an die info@enable-ai.de schicken.

Nach der Buchung des Kurses auf der Webseite, erhalten Sie zuerst eine automatisch generierte Email mit den von Ihnen angegebenen Buchungsdaten. Ihre Buchung wird innerhalb von 3 Werktagen bearbeitet und eine Bestätigung  wird an Ihre angegebene E-Mail Adresse versendet. Falls Sie keine Email nach der Buchung erhalten, überprüfen Sie bitte Ihren Spamfolder und / oder schreiben Sie uns eine Nachricht an die info@enable-ai.de

Um Ihnen einen Platz zu sichern, sollten Sie innerhalb von 4 Wochen nach Erhalt der Buchungsbestätigung / Rechnung die Kursgebühr auf das in der Buchungsbestätigung beschriebene Konto überweisen. Falls Sie bereits wissen, dass Ihr Unternehmen ggfs. länger brauchen wird für eine Überweisung, vermerken Sie dies bitte im “Anmerkung zu Ihrer Buchung” Feld. Wir berücksichtigen dies natürlich.

 Sie können die Buchung spätestens 2 Wochen vor Kursbeginn kostenfrei stornieren. Bis einer Woche vor Kursbeginn fallen 50% Stornokosten an. Danach ist die gesamte Gebühr zzgl. MwSt zu zahlen. Sie haben bei Stornierung aber dann die Möglichkeit zu einem anderen Termin, an dem das Seminar bereits stattfindet, kostenfrei bzw. nach Bezahlung des Differenzbetrages, teilzunehmen. Die Widerrufsbelehrung finden Sie hier (Link).

Sie können jederzeit kostenfrei bzw. nach Bezahlung des Differenzbetrages auf einen anderen Kurs umbuchen.

Die Schulung findet ab 3 Teilnehmern statt. Die Maximalanzahl beträgt 10 Teilnehmer. 

Ist ihr Wunschtermin bzw. -ort nicht verfügbar, kontaktieren Sie uns. Bei genügend großem Interesse an einem gewissen Zeitraum oder Ort versuchen wir, einen weiteren Termin anzubieten.

Selbstverständlich kann ein(e) KollegIn teilnehmen. Bitte teilen Sie uns den Namen und Email Adresse ihrer/s KollegIn mit, damit wir die Zugangsdaten für das Seminar per E-Mail versenden und die Teilnahmebestätigung abändern können.

Unser Ziel ist, Ihnen Fachwissen zu vermitteln mit Experten aus dem Bereich Machine Learning, Deep Learning bzw. Data Science. Wir wollen, dass Sie zufrieden sind und sich voll auf das Erlernen neuer Inhalte konzentrieren können. Alles was Sie daran, auch im Vorfeld, hindert, passt nicht zu uns.

Warum bei Enable AI buchen

Leistungen im Kurs

Trainer aus der Praxis

Die Trainer, die in exklusiver Kooperation mit Enable AI zusammen arbeiten, kommen alle aus der Praxis und vermitteln praxisnahes, aktuelles Wissen auf leicht verständliche Art und Weise mit dem Ziel, dass Sie in Ihrer Arbeit das Wissen direkt anwenden können.

Icon Hands on Keyboard

Hands-on Schulungen

Die Kurse sind hands-on Trainings, mit vielen Coding Übungen (inkl. digitalen Musterlösungen). Denn durch praktische Beispiele lernt man am meisten.

Individuelle Schulungen

Wenn es im Interessen der Schulungsgruppe ist, ändert der Trainer das Seminar nach Ihren Wünschen ab bzw. integriert Ihre Daten nach Rücksprache in den Kurs.

Kleine Gruppen

Garantierte maximale Gruppengröße von 10 Teilnehmern. Im Durchschnitt besuchen 6 Teilnehmer einen Kurs.

Fundiertes Wissen

Vor der Zusammenarbeit werden unsere Trainer geprüft. Alle besitzen fundierte Kenntnisse, u.a. durch Studium, Promotion und Berufserfahrung in den Bereichen Mathematik, Informatik, Statistik und Machine/Deep Learning.

Aktualisierte Schulungen

Sollten Sie eine Schulung zweimal besuchen, wird diese nicht identisch sein. Ihr Feedback wird berücksichtigt und die Schulungen werden an die aktuelle Themen in Forschung und Entwicklung angepasst.

Was die Kurse auszeichnet

Garantien für die Schulung

Durchführungsgarantie

Die Durchführung eines Seminars ist schon ab drei Teilnehmern garantiert. Es kommt selten vor, dass eine Schulung diese Anzahl unterschreitet.

Zufriedenheitsgarantie

Sollten Sie in einem mehrtägigen Seminar bis zum Ende des ersten Seminartags merken, dass dieses Seminar nicht Ihren Erwartungen entspricht, sprechen Sie bitte mit dem Kursleiter am ersten Seminartag und es wird Ihnen die volle Kursgebühr inkl. Anreise (30 cent / km bzw. Bahnfahrt 2. Klasse) erstattet. Ohne Wenn und Aber.

Wissensgarantie

Falls Ihr(e) MitarbeiterIn unerwarteterweise innerhalb eines halben Jahres nach dem Besuchen eines Kurses für mehr als 6 Monate (Krankheit, Elternzeit, Sabbatical,...) ihr Unternehmen verlässt, darf kostenlos ein Kollege innerhalb eines Jahres ab dem Verlassen des Kollegens ein stattfindendes Seminar mit demselben Inhalt besuchen.

Thematisch ähnliche Schulungen

Enable AI bietet Seminare im Bereich Machine Learning, Deep Learning, Statistik / Data Science an.



Weitere Seminare und Termine

Die nächsten Kurse

Übersicht über die kommenden Schulungen in Machine Learning, Deep Learning, Data Science und Statistik.
Neuron mit leuchtendem Punkt in der Mitte. Deep Learning Bildverarbeitung.

Deep Learning mit Python für KI Bilderkennung

(3 Tage) Einführung in DL mit Schwerpunkt Bilddaten. Allgemeine Theorie der Neuronalen Netze und Umsetzung mit Keras / Tensorflow (Python) auf high-performance GPUs. Use-Cases aus dem Image Processing: Bildklassifizierung, Objektdetektierung mit Bounding Boxes, Semantische Segmentierung. ...
07 Dez - 09 Dez
09:00 - 17:00
Live-Online
Zoom
Festplatte wird mit Pinzette bearbeitet. Data Science benötigt Daten.

Data Science in Python

(3 Tage) Kompakter Einstieg in Python für Datenanalyse und Data Science. Grundlagen über pandas DataFrame, Grafiken erstellen, Machine Learning und erste Algorithmen (Regression, Entscheidungsbaum, K-Means Clustering). Verwendete Pakete: pandas, seaborn, scikit-learn. ...
14 Dez - 16 Dez
09:00 - 17:00
Live-Online
Zoom
Keine Veranstaltung gefunden
Weitere anzeigen