Sie suchen Ihre bereits erworbenen Lerninhalte? Dann geht es hier entlang: Zum academy Campus

heise Academy Logo
Classroom Lectures

Entscheidungsbäume, unüberwachtes (unsupervised) und bestärkendes Lernen (reinforcement learning)

Für maschinelles Lernen stellen gelabelte Daten das beste Ausgangsmaterial dar. Meist liegen sie allerdings nicht in entsprechendem Umfang und Güte vor. Dennoch können mithilfe von überwachten, halbüberwachten und bestärkenden Lernalgorithmen aufschlussreiche Erkenntnisse aus ungelabelten Daten gewonnen werden.

Sie haben bereits einen academy Pass?

Enterprise Pass
Professional Pass

Entscheidungsbäume, unüberwachtes (unsupervised) und bestärkendes Lernen (reinforcement learning)

17.09.2024
09:00 – 13:00 Uhr
Enthalten im Classroom: Webinar-Serie: Einführung in Machine Learning mit Python
Zum Classroom
Überblick

Mit Entscheidungsbäumen und den darauf basierenden Random Forests lernen Sie einen typischen Vertreter aus dem Bereich des Ensemble Learnings kennen. Die Fehler einzelner Algorithmen reduzieren Sie so deutlich in ihrer Gesamtheit.

Aus der Familie des unüberwachten Lernens (engl. unsupervised learning) lernen Sie mit Clustering einen typischen Vertreter kennen, der sich für viele Anwendungen wie Anomalieerkennung oder Bildsegmentierung einsetzen lässt.

Reinforcement Learning eröffnet Ihnen weitere Möglichkeiten des maschinellen Lernens. Anhand detaillierter Demonstrationen können Sie sich ein Bild von den mächtigen Möglichkeiten dieser Technik machen.

Grundkenntnisse in Python, pandas und Matplotlib werden vorausgesetzt. Ein Besuch der ersten beiden Webinare der Serie wird empfohlen.

Die Folien des Webinars sind aufgrund zahlreicher englischer Begriffe vollständig in englischer Sprache gehalten, um eine bessere Lesbarkeit zu erzeugen. Der Vortrag findet in deutscher Sprache statt.

Foto von Christian Heitzmann

Christian Heitzmann

Zert. Softwareentwickler, Technical Writer und Trainer | SimplexaCode AG

Zum Profil