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 erfahren Sie, wie Sie mithilfe des Azure Machine Learning Studios ein Vorhersagemodell entwickeln, um die Zahlungsbereitschaft von Kunden zu ermitteln.

Zunächst führt Sie 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 Sie diese lösen. Und Sie lernen 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 Ihnen im Detail, wie Sie mithilfe dieser Tools ML-Pipelines zur Vorhersage der Zahlungsbereitschaft aufsetzen und die generierten Modelle anhand ausgewählter Regressionsmetriken evaluieren, 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 lernen Sie mit diesem Videokurs:

In den Videokursen von heise Academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie den Experten bei der praktischen Arbeit zu und lassen sich dabei alles genau erklären. Das Wissen ist in kleine Lernschritte und Aufgaben unterteilt, sodass Sie den Kurs Lektion für Lektion durcharbeiten oder gezielt zu Themen springen können, die Sie interessieren. Die persönliche Lernumgebung der heise Academy hält viele Funktionen für Sie bereit, die Ihnen beim Lernen helfen können:

• 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.