| Titel | Zeit | Ort | Dozent |
|---|---|---|---|
| Machine Learning und Data Mining mit R | 05.03.2020 09:00 - 16:00 (Do) | Raum MW 2101, Fakultät für Maschinenwesen, Boltzmannstr. 15, 85748 Garching | |
| Machine Learning und Data Mining mit R | 06.03.2020 09:00 - 16:00 (Fr) | Raum MW 2101, Fakultät für Maschinenwesen, Boltzmannstr. 15, 85748 Garching |
Datum: Donnerstag - Freitag, 05.-06.03.2020 von 09:00-16:00 Uhr
Ort: Raum MW 2101, Fakultät für Maschinenwesen, Boltzmannstr. 15, 85748 Garching
Sprache: deutsch
Maschinelle Lernverfahren, machine learning als Schlüsseltechologie, spielen eine immer größere Rolle. Hohe Trefferquoten und Prognosegenauigkeit sind besonders wichtig. Klassischen Regressions- und Clusterverfahren werden bei diesem Prozess zunehmend ersetzt. Das Expertenseminar Machine Learning und Data Mining mit R vermittelt die wichtigsten Kenntnisse um die Modellierung überwachter, nicht-linearer Zusammenhänge mit R effizient durchzuführen. Alle wichtigen statistischen Verfahren des maschinellen Lernens zur Analyse komplexer Klassifikationsund Regressionsprobleme werden dabei aufgezeigt. Schwerpunkt des Expertenseminars ist das Erarbeiten von Praxisbeispielen mit R.
Der Kurs vermittelt die Grundlagen und konkrete Anwendungen mit der Statistiksprache R, damit die TeilnehmerInnen vorhandene Ergebnisse einschätzen und eigene Fragestellungen bearbeiten können.
Inhalte:
- Supervised Learning Methoden: Klassifikations- und Regressionsmodelle
- Unsupervised Learning Methoden: Clustering und Dimensionsreduktion
- Vertiefung Klassifikations- und Regressions-Bäume, Random Forests
- Vertiefung: Dimensionsreduktion
- Modellevaluation und Resampling (z.B. Kreuzvalidierung, Bootstrap)
- Modellselektion und Hyperparameter-Tuning
- Parallelisierung
- Boosting
Teilnahmekriterien & Anmeldung
Grundlegende Kenntnisse der Programmiersprache R
Für max. 12 Doktoranden und Doktorandinnen, die Mitglied am Fakultäts-Graduiertenzentrum Maschinenwesen sind. Die Anmeldung ist verbindlich. Bitte sagen Sie bis zu 3 Wochen vor Kursbeginn ab. Bei verspäteter Absage oder Nichterscheinen, wird eine vom Erstbetreuer unterschriebene Entschuldigung verlangt.