embarc logo
embarc logo

Machine Learning in der Praxis

Vorgehensmodelle, Rollen, Anwendungen und Systeme (2 Tage)

 
 

Machine Learning und künstliche Intelligenz

Machine Learning ist durch die neuesten Entwicklungen im Bereich Deep Learning zum zentralen Thema der künstlichen Intelligenz geworden. Obwohl Projekte im Bereich Machine Learning viele Gemeinsamkeiten mit klassischen Software-Projekten haben, sind das Vorgehen, die Prozesse, die Architektur und das Design und sogar die Rollen anders.
 
 

Nächstes verfügbares Seminar

10.06.2021

Zur Anmeldeseite

 
 

Alle Termine ansehen

Ihr Nutzen

In diesem Seminar lernen Sie, Machine Learning innerhalb des Gebiets der künstlichen Intelligenz einzuordnen und die Möglichkeiten und Anwendbarkeit auf Probleme abzuschätzen. Dazu werden wir uns anhand eines konkreten Beispiels durch die Phasen eines Machine Learning Projektes durcharbeiten und uns dabei auch mit den Unterschieden zu einem klassischen Software-Projekt beschäftigen. Dabei wird klar werden, was die einzigartigen Fähigkeiten von Machine Learning sind und wann man besser bei klassischer Software-Entwicklung bleibt.

Schwerpunkte

Der Schwerpunkt des Seminars liegt auf Konzepten und Methoden des Machine Learnings und deren Einsatz in Software-Entwicklungs-Projekten, weniger auf der Umsetzung im Code. Dennoch werden wir einzelne Übungen im Python Code durchführen, die allerdings keine Kenntnisse im Bereich Python voraussetzen. Grundlegende Kenntnisse im Bereich Programmierung sind hilfreich, aber nicht notwendig. Dieses Seminar ist daher ebenso für Entwickler, wie für Architekten und Manager geeignet, die sich über die Möglichkeiten und Herausforderungen von Machine Learning auf dem Laufenden halten wollen.

Zielgruppe

Architekten, Produkt-Owner, Entwickler und Manager. Kenntnisse über die Prozesse und Herausforderungen von Software-Projekten. Grundlegende Kenntnisse der Programmierung sind hilfreich, aber nicht notwendig.

Agenda

Unterschiedliche Arten von Machine Learning verstehen

Supervised, Unsupervised oder Reinforcement Learning. Welche Form des Machine Learning passt ins eigene Projekt?

Anwendungen finden

Geschäftsnutzen erzielen

Daten-Analyse

Daten enthalten oft Schätze

Experimente statt Iterationen

Vorgehen in einem Machine Learning Projekt

Rollen im Machine Learning

Neue Prozesses erfordern neue Rollen

Services und Frameworks

Selbst bauen oder Bestehendes nutzen

Entwicklungszyklus

Vom Experiment zum Betrieb

ML in der Produktion

Monitoring und Metriken

Architekturziele im Machine Learning

Qualitätsmerkmale existieren auch im Machine Learning

Basiswissen Python, Scikit-Learn, Jupyter Notebook

Technische Grundlagen

 
 

Unsere Extras für Sie

Fotoprotokoll

Alle Übungsergebnisse und gezeigten Theorieinhalte werden den Teilnehmern im Anschluss elektronisch zur Verfügung gestellt

Zusätzlich…

Ergänzend für das Seminar ist das Buch „Machine Learning – kurz & gut“ (O’Reilly, 2. Auflage 2021) Ihres Trainers Oliver Zeigermann. Das Buch ist für jeden Teilnehmer im Seminarpreis enthalten (Gebundene Ausgabe und eBook).