Innovation durch AutoML - Datenanalyse und Vorhersagen auf Autopilot

Classroom Schulung | Deutsch | Anspruch

Schulungsdauer: 1 Tag

Ziele

In dieser 1-tägigen Schulung "Einführung in AutoML - Maschinelles Lernen leicht gemacht" lernen Sie, wie Sie mittels AutoML automatisch Daten vorverarbeiten und Machine Learning Modelle trainieren können, um wichtige Aufgaben im Unternehmen wie Regressions- oder Klassifikationsprobleme rasch zu lösen. Das kann beispielsweise die Vorhersage von Umsatzzahlen sein, den Zustand einer Maschine oder aber die Vorhersage von Kundenverhalten (Kaufentscheidung ja/nein) betreffen. Solche Aufgaben können heute von AutoML Frameworks weitestgehend automatisch gelöst werden.

Zielgruppe

  • Alle, die mit Maschinellem Lernen Probleme im Unternehmen möglichst automatisiert lösen wollen.

Voraussetzungen

  • keine

Agenda

Einführung Machine Learning

  • Was ist Künstliche Intelligenz?
  • Was ist Machine Learning, insbesondere Deep Learning?
  • Was ist Data Science?

Übersicht über AutoML Frameworks

  • Einführung AutoML: Welches Problem löst AutoML?
  • Kriterien zur Auswahl eines AutoML Frameworks
  • Vor- und Nachteile einiger AutoML Frameworks

Einführung in ein ausgewähltes AutoML Framework

  • Historisches zu AutoGluon
  • Grundlegende Operationen in AutoGluon

Fallstudie 1: Mit AutoML erzielbare Verkaufspreise vorhersagen

  • Vorstellung des verwendeten Kaggle Datensatzes
  • Automatische Aufbereitung der Daten
  • AutoML zur automatischen Modellauswahl und Modelltraining
  • Das fertige Modell speichern und in der Praxis anwenden

Fallstudie 2: Mit AutoML Kundenverhalten vorhersagen

  • Vorstellung des verwendeten Kaggle Datensatzes
  • Automatische Aufbereitung der Daten
  • AutoML zur automatischen Modellauswahl und Modelltraining
  • Das fertige Modell speichern und in der Praxis anwenden

Ziele

In dieser 1-tägigen Schulung "Einführung in AutoML - Maschinelles Lernen leicht gemacht" lernen Sie, wie Sie mittels AutoML automatisch Daten vorverarbeiten und Machine Learning Modelle trainieren können, um wichtige Aufgaben im Unternehmen wie Regressions- oder Klassifikationsprobleme rasch zu lösen. Das kann beispielsweise die Vorhersage von Umsatzzahlen sein, den Zustand einer Maschine oder aber die Vorhersage von Kundenverhalten (Kaufentscheidung ja/nein) betreffen. Solche Aufgaben können heute von AutoML Frameworks weitestgehend automatisch gelöst werden.

Zielgruppe

  • Alle, die mit Maschinellem Lernen Probleme im Unternehmen möglichst automatisiert lösen wollen.

Voraussetzungen

  • keine

Agenda

Einführung Machine Learning

  • Was ist Künstliche Intelligenz?
  • Was ist Machine Learning, insbesondere Deep Learning?
  • Was ist Data Science?

Übersicht über AutoML Frameworks

  • Einführung AutoML: Welches Problem löst AutoML?
  • Kriterien zur Auswahl eines AutoML Frameworks
  • Vor- und Nachteile einiger AutoML Frameworks

Einführung in ein ausgewähltes AutoML Framework

  • Historisches zu AutoGluon
  • Grundlegende Operationen in AutoGluon

Fallstudie 1: Mit AutoML erzielbare Verkaufspreise vorhersagen

  • Vorstellung des verwendeten Kaggle Datensatzes
  • Automatische Aufbereitung der Daten
  • AutoML zur automatischen Modellauswahl und Modelltraining
  • Das fertige Modell speichern und in der Praxis anwenden

Fallstudie 2: Mit AutoML Kundenverhalten vorhersagen

  • Vorstellung des verwendeten Kaggle Datensatzes
  • Automatische Aufbereitung der Daten
  • AutoML zur automatischen Modellauswahl und Modelltraining
  • Das fertige Modell speichern und in der Praxis anwenden

Tags

Diese Seite weiterempfehlen