Vorhersagemodelle mit dem Azure Machine Learning Studio

Wie viel ist ein Kunde bereit für mein Produkt zu zahlen? Diese Frage stellt sich in Unternehmen häufig. In diesem Kurs erfährst du, wie du mithilfe des Azure Machine Learning Studios ein Vorhersagemodell entwickelst, um die Zahlungsbereitschaft von Kunden zu ermitteln.

Zunächst führt dich der IT-Experte Emil Vinčazović in die Grundlagen ein. Er erklärt, was es bei der Regressionsanalyse zu beachten gilt, welche Probleme hierbei auftreten können und wie du diese löst. Und du lernst drei gängige Lernalgorithmen kennen, die das Azure ML Studio vorgefertigt für das Training von Vorhersagemodellen bereitstellt: den Random Forest Regressor, den Gradient Boosting Regressor und den Support Vector Regressor.

Anschließend geht es an die praktische Umsetzung im Azure ML Studio. Für das Erstellen von ML-Pipelines stehen drei verschiedene Tools zur Verfügung, aus denen der Anwender je nach Programmiererfahrung wählen kann: das AutoML, der Designer und die Notebooks. Emil Vinčazović zeigt dir im Detail, wie du mithilfe dieser Tools ML-Pipelines zur Vorhersage der Zahlungsbereitschaft aufsetzt und die generierten Modelle anhand ausgewählter Regressionsmetriken evaluierst, um das beste Modell zu bestimmen.

In drei Kursen stellt Emil Vinčazović das Azure ML Studio und verschiedene Anwendungsfelder des maschinellen Lernens vor:

• Einstieg in das Azure Machine Learning Studio

• Betrugserkennung mit dem Azure Machine Learning Studio

• Vorhersagemodelle mit dem Azure Machine Learning Studio

Alle Video-Lektionen im Überblick:

• 1. Herzlich willkommen zu diesem Kurs

• 2. Einführung in die Regression

  • Kapitelüberblick

  • Was ist eine Regression?

  • Anwendungsbeispiele

  • Die Gauß-Markov-Annahmen: Gültigkeit der Regression

  • Allgemeine Schwierigkeiten

  • Korrelation

  • Kausalität

  • Linearer Zusammenhang

  • Scheinkausalität

  • Fluch der Dimensionalität

  • No Free Lunch Theorem

  • Quiz: Einführung in die Regression

• 3. Techniken

  • Kapitelüberblick

  • Ausreißer in den Daten: Problem und Lösung

  • Problem: Überanpassung

  • Lösung: Hauptkomponentenanalyse (PCA)

  • Algorithmus: Random-Forest-Regression

  • Algorithmus: Gradient-Boosting-Regression

  • Algorithmus: Support-Vector-Regression

  • Quiz: Techniken

• 4. Umsetzung im Azure ML Studio

  • Kapitelüberblick

  • Umsetzung im AutoML

  • Ergebnisse im AutoML interpretieren

  • Umsetzung im Designer

  • Ergebnisse im Designer interpretieren

  • Umsetzung im Notebook (Teil 1)

  • Umsetzung im Notebook (Teil 2)

  • Zusatz: PCA

  • Quiz: Umsetzung im Azure ML Studio

• 5. Abschluss

  • Fazit und Kursabschluss

So lernst du mit diesem Videokurs:

In den Videokursen der heise academy lernst du IT-Themen anschaulich und verständlich. Du siehst den Experten bei der praktischen Arbeit zu und lässt dir dabei alles genau erklären. Das Wissen ist in kompakte Lerneinheiten unterteilt, sodass du den Kurs Schritt für Schritt durcharbeiten oder gezielt zu Lektionen springen kannst, die dich interessieren. Die persönliche Lernumgebung der heise academy hält viele Funktionen für dich bereit, die dich beim Lernen unterstützen:

• Flexibler Videoplayer mit vielen Steuerungsmöglichkeiten

• Wissensquiz zur Lernkontrolle

• Lernhistorie und Lernfortschritt

• Lesezeichen und Notizen

• Volltextsuche in den Videos

• Frage-den-Experten-Modul

• Übungsmaterial zum Mitmachen

• Responsive Web-App und Videostreaming für alle Endgeräte

Technische Voraussetzungen:

Für diesen Videokurs werden lediglich ein Browser (mit eingeschalteter JavaScript-Funktionalität) und eine Internetverbindung benötigt.