Angewandtes Maschinelles Lernen

Sammle tiefgreifende, praktische Erfahrung im Lösen von Machine Learning-Anwendungsfällen. Innerhalb von 6 Wochen entwickelst du dich vom Anfänger- zum Fortgeschrittenen-Level. Du wirst lernen eigene Projekte und deren Anforderungen zu definieren. Dabei liegt besonderer Fokus auf dem Testen und Sicherstellen der Qualität solcher Algorithmen.

Jetzt bewerben
Maschinelles Lernen
clock

Teilzeit

6

Wochen

remote

Online

language

Englisch

Programm Überblick

Maschinelles Lernen ist einer der grundlegenden Bausteine der Data Science. Seine Methoden werden aktiv in verschiedenen Branchen eingesetzt. Das Ziel dieses Kurses ist es, dir beizubringen, wie du Machine Learning erfolgreich auf reale Geschäftsprobleme anwenden und dabei häufige Fallstricke vermeiden kannst. Am Ende des Kurses wirst du in der Lage sein:
  • Eine Problemstellung in ein Machine Learning-Problem umzuwandeln.
  • Anforderungen für ein Machine Learning-Projekt (einschliesslich wichtiger Kennzahlen) mithilfe eines ML Canvas zu definieren.
  • Verschiedene Arten von Machine Learning-Pipelines (überwacht und unüberwacht) zu erstellen, einschliesslich Datentransformation, Feature Engineering, dem Aufbau einer Datenpipeline, Hyper-Parameter-Tuning, Verlustfunktionen und Kreuzvalidierungen für verschiedene Regressions- und Klassifikationsaufgaben.
  • Verzerrungen und Unfairness von Machine Learning-Problemen zu identifizieren, sowie mittels geeigneter Methoden komplexe Machine Learning-Modelle erklären und interpretieren zu können.
  • Reale Machine Learning-Anwendungsfälle zu entwickeln und zu lösen, z.B. Predictive Maintenance, Churn Prediction, Kundensegmentierung.

Bevorstehende Termine

Bewerbung bis
Kursdaten
Gebühr
Das nächste Datum ist noch nicht bekannt

Zeitplan: Mo & Mi, 18:00 - 21:00 (CET), online

Auf der Suche nach Finanzierung? Schau dir unsere Finanzierungsmöglichkeiten an.

Wo unsere Studenten arbeiten

Finde deinen Traumjob - wir unterstützen dich auf dem Weg dorthin!

Google
Swisscom
Axa
Ava
Ebay
Swiss International Air Lines
Adobe
Elca
Axpo
Ginetta
Novartis
Atos
Roche
ETH Zurich
Pictet
Upc
Avrios
Ergon
Google
Swisscom
Axa
Ava
Ebay
Swiss International Air Lines
Adobe
Elca
Axpo
Ginetta
Novartis
Atos
Roche
ETH Zurich
Pictet
Upc
Avrios
Ergon
APGSGA
Sygnum
Web Republic
Brack
UBS
Globus
Credit Suisse
Migros
Ruag
Accenture
Ernst & Young
Dormakaba
Comparis
Climeworks
Six Group
Swiss Re Group
SAP Software Solutions
APGSGA
Sygnum
Web Republic
Brack
UBS
Globus
Credit Suisse
Migros
Ruag
Accenture
Ernst & Young
Dormakaba
Comparis
Climeworks
Six Group
Swiss Re Group
SAP Software Solutions

Was du lernen wirst

1

End-to-End Pipelines für maschinelles Lernen

Tag 1: Einführung - Wir beginnen mit der Definition eines Anwendungsfalls mithilfe eines Projekt-Canvas und lernen den industrieübergreifenden Standardprozess für Data Mining, CRISP-DM, kennen. Anschliessend geben wir einen Überblick über die wichtigsten Schritte einer End-to-End-ML-Pipeline. Dies umfasst das Bereinigen von Daten, das Definieren eines Basismodells, die Wahl geeigneter Kennzahlen, den Einsatz verschiedener Fehlermetriken zur Modellbewertung und -auswahl, sowie die Aufteilung der Daten in Training und Test, um Unter- oder Überanpassung zu identifizieren.

Tag 2: End-to-End ML-Pipeline - Aufbauend auf den Konzepten von Tag 1 betrachten wir Feature-Normalisierung, das Imputieren fehlender Werte, das Skalieren und Auswählen von Features und wie dies alles fachgerecht mittels Pipelines in die Modellierung integriert werden kann. Du arbeitest mit linearen und polynomialen Regressionsmodellen und lernst verschiedene Regularisierungsmethoden kennen (Ridge, Lasso und elastisches Netz).

2

Klassifikationsmodelle

Tag 1: Klassifikationsmodelle - Lerne über das Klassifizieren von Daten mittels maschinellen Lernens und übe die praktische Umsetzung anhand eines logistischen Regressionsmodells. Du wirst auch mit Konzepten wie Klassenungleichgewicht, Precision-Recall-Analyse (Falsch-Positiv- vs. Falsch-Negativ-Raten), ROC-Kurven und der Verwendung einer Konfusionsmatrix vertraut werden.

Tag 2: Fortgeschrittene Klassifizierungsmodelle - Vertiefung von Problemen des überwachten maschinellen Lernens unter Verwendung häufig verwendeter Klassifizierungsalgorithmen wie K-Neighbors, Naive Bayes, Support Vector Machine, Entscheidungsbäume und moderne Ensemble-Learning-Techniken wie Random Forest, XGBoost und CatBoost.

3

Unüberwachtes Lernen und Ensemble-Modelle

Tag 1: Unüberwachtes Lernen - Neben dem Verständnis von K-means, hierarchischem Clustering und DBSCAN lernst du, wie man bei Anwendug dieser Modelle eine optimale Anzahl von Clustern identifiziert, Cluster-Labels erzeugt und die Resultate mit Hilfe von Visualisierungen und Statistik zu interpretieren. Ein weiterer Schwerpunkt wird die Anwendung von Dimensionalitätsreduktionstechniken wie Hauptkomponentenanalyse und t-SNE sein.

Tag 2: Machine Learning-Anwendungsfall - Du kehrst zurück zu Klassifikationsmodellen (jetzt mit den Möglichkeiten des unüberwachten Lernens) und wirst deine Kenntnisse in einem realen Szenario anwenden. Ein weiterer Schwerpunkt dieses Tages ist es unüberwachtes mit überwachtem Lernen zu kombinieren und dadurch die Leistungsfähigkeit von ML-Systemen zu erhöhen.

4

Modell-Erklärbarkeit und Auswahl

Tag 1: Modellverzerrung und Erklärbarkeitsanalyse - Die meisten Machine Learning-Modelle sind verzerrt. Du wirst Visualisierungstechniken anwenden, um Modellverzerrungen sichtbar zu machen und mittels modernen Frameworks wie LIME und SHAP versuchen diese zu interpretieren und mögliche Ursachen zu erklären. Du wirst auch die Grenzen dieser Methoden kennenlernen und erfahren, wie du den Effekt von Störfaktoren in solchen Analysen identifizieren kannst.

Tag 2: Hyperparameter-Tuning und AUTO-ML - Nachdem du deine eigenen Machine Learning-Pipelines entwickelt und verwendet hast, wirst du an diesem Tag lernen, wie du die viele Komponenten der Machine Learning-Modellentwicklung und Evaluierung mit modernsten AUTO-ML-Frameworks wie PyCaret, TPOT und MLJAR automatisieren kannst.

5

Modellimplementierung, Experimentverfolgung und -überwachung

Tag 1: ML Model Deployment - Nachdem wir nun alles über die Modellentwicklung gelernt haben, ist es an der Zeit, zum nächsten Schritt im ML-Prozesszyklus überzugehen - dem Deployment. Du wirst mit git und Versionskontrollsystemen vertraut werden und lernst Strategien zur Modellbereitstellung kennen. Dabei erfährst du auch über die wichtigsten Schritte zur Erstellung und Bereitstellung eines Machine Learning-Modells in der Cloud mit AWS sowie lokal in einer virtuellen Umgebung.

Tag 2: Experiment Tracking und Model Monitoring - Jedes Machine Learning-Modell muss nach dem Deployment in der Produktion überwacht werden. Am letzten Vorlesungstag dieses Kurses wirst du statistische Techniken anwenden, um die Performance eines Modells zu überwachen und potentiellen Datendrift zu quantifizieren.

6

Miniprojekt

Tag 1: Bring dein persönliches Projekt mit und implementiere deine komplette Machine Learning-Pipeline. Wir werden dich mit Vorschlägen versorgen.

Tag 2: Weiterführung und Kurzpräsentationen der Abschlussprojekte.

Wochenplan

(CET)

Mo

Di

Mi

Do

Fr

Sa

09H00

12H00

13H00

17H40

18H00

19H00

21H00

Q&A Sitzung

Während der Fragerunden bist du völlig frei, dich zu verbinden und alle Fragen zu den behandelten Themen zu stellen.

Vorlesung

Lerne von unseren Referenten, die Experten auf ihrem jeweiligen Gebiet sind, und werde während der Live-Vorlesungen in neue Themen eingeführt.

Praxisübungen

Bearbeite eine Reihe interessanter und anspruchsvoller Übungen, die sich auf die in der vorherigen Lektion behandelten Themen beziehen.

Tools, die wir unterrichten

  • Python

  • Jupyter notebooks

  • Pandas

  • Matplotlib

  • Seaborn

  • Scikit-Learn

  • Auto-ML (TPOT, PyCaret, MLJAR)

  • Evidently

  • Flask

  • AWS

placeholder

Bewerbungsprozess und Voraussetzungen

Dieser Kurs ist für Anfänger und fortgeschrittene Python-Programmierer geeignet.
Bewirb dich hier.

FAQs

Wie unterscheidet sich dieser Kurs von anderen Online-Kursen zum Selbststudium?

Die meisten Kurse zum Selbststudium sind ein guter Anfang. Sie gehen jedoch nicht in die Tiefe der Probleme, mit denen Menschen, die mit Machine Learning arbeiten, konfrontiert sind. Dieser Kurs deckt das ab und geht über jede verfügbare Machine Learning-Schulung hinaus, indem er sich sowohl auf die konzeptionellen als auch auf die praktisch angewandten Aspekte des maschinellen Lernens konzentriert. Darüber hinaus werden die Dozenten auch Tipps, Tricks und Fallstricke aus ihrer Branchenerfahrung mit maschinellem Lernen teilen.

Wie unterscheidet sich der Lehrplan von SIT Learning von anderen Schulen?

Constructor Learning hat mehr als 500 Full-Stack Engineers und Data Scientists ausgebildet. Dadurch hat das Constructor Learning-Team ein tiefgreifendes Verständnis dafür entwickelt, welche Fähigkeiten auf dem Markt am meisten gefragt sind und welche Teile der Technologie bei der Arbeit mit Daten am wichtigsten sind.

Wer sollte diesen Kurs besuchen?

Jeder, der Erfahrungen in der Anwendung von maschinellem Lernen auf geschäftliche Probleme sammeln und etwas über die Herausforderungen, Fallstricke und Best Practices in diesem Bereich erfahren möchte. Personen, die an konkreten Ideen zur Problemlösung arbeiten wollen oder Personen, die sich mit Datenwissenschaftlern austauschen wollen.

Was sind die Voraussetzungen für diesen Kurs?

Der Kandidat sollte Erfahrung in der Python-Programmierung als Anfänger bis Fortgeschrittener haben. Vorkenntnisse im Bereich Machine Learning sind nicht erforderlich. Mathematik: Dieser Kurs befasst sich mit der Anwendung von Methoden des maschinellen Lernens auf konkrete Probleme. Grundlegende Kenntnisse in linearer Algebra und Infinitesimalrechnung helfen dir, die Details der Algorithmen des maschinellen Lernens zu verstehen; sie sind jedoch nicht zwingend erforderlich, um diesen Kurs zu besuchen.

Wie sieht der Tagesablauf aus?

In jeder Vorlesung lernst du in einer 60- bis 90-minütigen Lektion ein neues Thema kennen, verbunden mit praktischen Übungen. Für den Rest der 3 Stunden arbeitest du mit Hilfe unserer Lehrer und Lehrassistenten an geführten Übungen. Während der Q&A-Sitzungen (donnerstags und 20 Minuten vor jedem Kurs) kannst du dich völlig frei mit uns verbinden und Fragen zum Kurs und den Übungen oder zu deinen persönlichen Projekten stellen.

Gibt es für diesen Kurs ein Auswahlgespräch?

Nein, das Ziel ist es, dich in das Feld des angewandten maschinellen Lernens einzuführen. Jeder mit einem Hintergrund in Python (Programmierung) und Grundschulmathematik sollte in der Lage sein, diesem Kurs zu folgen.

Erhalte ein Leistungszertifikat

Teile dein Zertifikat auf den sozialen Netzwerken, gedruckten Lebensläufen oder anderen Dokumenten. Bringe deine Karriere mit den neu erworbenen Fähigkeiten voran.

Certificate

Finanzierungsmöglichkeiten

Wir bei Constructor Learning sind der Meinung, dass die Finanzen niemals ein Hindernis für den Zugang zu einer Weiterbildung sein sollten, die dem Einzelnen helfen kann, seine Ziele zu erreichen. Deshalb bieten wir diverse Finanzierungsmöglichkeiten an, um unsere Kurse für eine Vielzahl von Studenten zugänglich zu machen. Ausserdem arbeiten wir mit externen Organisationen zusammen, die bedürftigen Personen finanzielle Unterstützung zu gewähren.

RAV Logo
RAV Logo
RAV Logo
RAV Logo

Das sagen unsere Studenten

Vaios Vlachos

Vaios Vlachos

Machine Learning

Gleich nach dem Kurs konnte ich mit der Arbeit an Machine Learning-Projekten in meinem Unternehmen beginnen.

Beruf:Data Scientist bei Nispera

Akos Redey

Akos Redey

Machine Learning

Es war die beste Entscheidung, die ich getroffen habe, indem ich diesen Kurs gegenüber einem MOOC bei einem bekannten globalen Anbieter gewählt habe.

Beruf:Senior Business Intelligence Analyst bei Wüest Partner

Bevorstehende Veranstaltungen

Nimm an einer unserer Veranstaltungen teil. Entdecke unsere kommenden Workshops, Infoveranstaltungen, Abschlusspräsentationen und Webinare zu aktuellen Themen.

  • Erstellen eines Spotify-Homepage-Klons von Grund auf mit HTML, CSS und JavaScript

    14. Jun 23, 06:00 PM - 08:00 PM GMT+2
    Online über Zoom

    In diesem Workshop lernst du die Grundlagen von HTML, CSS und Javascript kennen und erfährst, wie du eine rockige Kopie der bekannten Spotify-Homepage erstellen kannst. Du beginnst mit der Erstellung der grundlegenden HTML-Struktur und tauchst dann in das Styling mit CSS ein. Zum Schluss wirst du deiner Webseite mit JavaScript Interaktivität hinzufügen, damit sie wie die echte Spotify-Homepage aussieht und sich auch so anfühlt. Am Ende dieses Workshops wirst du ein gutes Verständnis dafür haben, wie man HTML, CSS und JavaScript zusammen verwendet, um eine schöne und funktionale Webseite zu erstellen. Es sind keine Vorkenntnisse erforderlich - bring einfach deinen Enthusiasmus und deine Liebe für gute Musik mit. Melde dich jetzt an und lass uns loslegen, um wie Rockstars zu programmieren!

    Details

  • Online Info-Veranstaltung zu unserem Full-Stack Web-Entwicklungs Bootcamp

    22. Jun 23, 06:00 PM - 07:00 PM GMT+2
    Online über Zoom

    Du denkst über eine Karriere im technischen Bereich nach, bist dir aber nicht sicher, wo du anfangen sollst? Dann bist du bei uns genau richtig! Komm zu unserer nächsten Infoveranstaltung und lass dich von uns beraten. Unter der Leitung von Ruben Villalon, unserem erfahrenen Full-Stack Program Manager, erhältst du einen Einblick in den Lehrplan des Programms, die behandelten Programmiersprachen und die verfügbaren Finanzierungsoptionen. Und das Beste daran? Diese Veranstaltung findet komplett über Zoom statt, sodass du von überall aus teilnehmen kannst. Egal, ob du ein begeisterter Programmierer bist, der seine Fähigkeiten verbessern möchte, oder ob du über einen Karrierewechsel in die dynamische Welt der Webentwicklung nachdenkst, diese Veranstaltung ist genau das Richtige für dich. Mach dich bereit, bei unserer Informationsveranstaltung in die Welt der Full-Stack-Entwicklung einzutauchen! Du hast die Möglichkeit, unser umfangreiches Bootcamp-Programm kennenzulernen, die wichtigsten Programmiersprachen zu entdecken und Einblicke in die Nutzung von AI zu erhalten. Lass dir diese Chance nicht entgehen! Sichere dir jetzt deinen Platz und mach dich auf den Weg zu einer erfolgreichen Karriere in der Technologiebranche.

    Details

  • Informationsveranstaltung über Datenwissenschaft

    27. Jun 23, 06:00 PM - 07:00 PM GMT+2
    Online über Zoom

    Wir freuen uns, dich am 27. Juni von 18:00 bis 19:00 Uhr CEST zu unserer mit Spannung erwarteten "Data Science Info-Veranstaltung" einzuladen. Bist du bereit für eine spannende Reise in die Welt der Datenwissenschaft? Nimm an dieser exklusiven Online-Veranstaltung über Zoom teil, bei der wir in die Feinheiten unseres renommierten Data Science Bootcamps eintauchen und die unendlichen Möglichkeiten erkunden, die vor uns liegen. Während dieser Informationsveranstaltung erhältst du wertvolle Einblicke in den Lehrplan und die Struktur unseres Data Science Bootcamps, lernst die Schlüsselkompetenzen und -techniken kennen, die du benötigst, um im Bereich Data Science erfolgreich zu sein, erfährst mehr über die erfahrenen Dozenten und Mentoren, die dich auf deinem Weg begleiten werden, lernst reale Fallstudien und Erfolgsgeschichten unserer ehemaligen Bootcamp-Absolventen kennen und erhältst Antworten auf deine Fragen und Anliegen direkt von unserem Expertengremium. Lass dir diese Gelegenheit zum Start deiner Data Science Karriere nicht entgehen! Notiere dir den 27. Juni von 18:00 bis 19:00 Uhr CEST und lass dich von uns in eine erfolgreiche Zukunft im faszinierenden Bereich der Datenwissenschaft führen. Beeil dich, die Plätze sind begrenzt und schnell ausgebucht! Wir sehen uns dort!

    Details

  • Einführung in Natural Language Processing

    19. Jul 23, 06:30 PM - 08:30 PM GMT+2
    Heinrichstrasse 200, 8005 Zürich oder online über Zoom

    Bereite dich auf einen aussergewöhnlichen Workshop zum Thema "Einführung in Natural Language Processing" vor! Wir freuen uns, unseren bevorstehenden Event am Mittwoch, dem 19. Juli, in der Heinrichstrasse 200, 8005, anzukündigen (oder online über Zoom). Vertiefe deine Lernerfahrung durch persönliche Interaktionen und erlebe ein dynamisches Umfeld. Entdecke die faszinierende Welt des Natural Language Processing mit praktischer Anleitung und Expertenwissen. Deine Kenntnisse in Python und Pandas werden während des Workshops wertvoll sein. Egal ob du ein erfahrener Profi oder ein Neuling bist, wir stellen sicher, dass du vollständig mitwirken und dein Wissen erweitern kannst. Verpasse nicht diesen aufschlussreichen NLP-Workshop! Sichere dir jetzt deinen Platz für ein bereicherndes persönliches Erlebnis in der Heinrichstrasse 200, 8005.

    Details

  • Abschlusspräsentationen unserer Full-Stack und Data Science Studenten

    28. Jul 23, 06:00 PM - 08:00 PM GMT+2
    Heinrichstrasse 200, 8005 Zürich oder online über Zoom

    Mach dich bereit für den ultimativen Showdown von Brainpower und Kreativität, wenn unsere Bootcamp-Absolventen ihre Abschlussprojekte vor einem vollbesetzten Publikum aus Studenten, Alumni, Familienmitgliedern, Freunden und Unternehmen präsentieren! Diese unglaublichen Projekte wurden in nur drei Wochen entwickelt und bilden den Höhepunkt des dreimonatigen Bootcamps. Aber Moment, da ist noch mehr! Constructor Learning lädt dich herzlich ein, mit uns an dieser spektakulären Veranstaltung teilzunehmen, bei der du die Gelegenheit haben wirst, diese aufregenden Projekte zu bestaunen und dich inspirieren zu lassen. Verpass diese unglaubliche Gelegenheit nicht, die Zukunft der Technik aus erster Hand zu erleben. Melde dich jetzt an!

    Details

Empty room with chairs

Lehrkräfte

Team Member

Dipanjan Sarkar

Lead Data Scientist & Instructor

Bio
Dipanjan (DJ) ist Lead Data Science Consultant & Instructor und leitet dort zukunftsweisende Projekte in den Bereichen Bildverarbeitung, Natural Language Processing und Deep Learning. Ausserdem ist er ein Google-Entwickler-Experte für maschinelles Lernen. Dipanjan hat mehrere Startups sowie Fortune-500-Unternehmen beraten und mit ihnen zusammengearbeitet. Er ist außerdem Autor mehrerer Bücher über R, Python, maschinelles Lernen, Natural Language Processing und Deep Learning. Er liebt es sein Wissen zu teilen, um anderen auf ihrem Weg in Data Science zu helfen.
Team Member
company

Badru Stanicki

Instructor

Bio
Mit einem Master in Physik stieg Badru während seiner Zeit am Deutschen Zentrum für Luft- und Raumfahrt in Spanien in die wissenschaftliche Programmierung und Datenwissenschaft ein. Nachdem er mehrere Jahre in der Forschung gearbeitet hatte, wechselte er zur Data Science, zunächst als Student und dann als Teammitglied. Seine Hauptinteressen sind DataOps und Time Series Analysis.
Team Member
company

Dr. Marie Bocher

Data Science Consultant

Bio
Marie hat 7 Jahre Erfahrung in der Entwicklung, Bereitstellung und Lehre von Machine Learning und statistischen Modellen. Bei Constructor Learning, berät sie Unternehmen und mentort im Bereich Data Science und Software Engineering. Ihr Fachwissen zu diesen Themen teilt Sie gerne mit einem praxisorientierten und interaktiven Lehransatz.

Unser Blog

Lies die neuesten Nachrichten über Constructor Learning und informiere dich über alles rund um Programmierung und Data Science in der Schweiz und Deutschland.

datenwissenschaftliche-abschlussprojekte-batch-21

Datenwissenschaftliche Abschlussprojekte Batch #21

Veröffentlicht am 24-05-2023 von Ekaterina Butyugina

Mehr Infos
wie-ki-das-uxui-design-beeinflusst

Wie KI das UX/UI-Design beeinflusst

Veröffentlicht am 15-05-2023 von Claudia Boker

Mehr Infos
full-stack-abschlussprojekte-23

Full-Stack Abschlussprojekte #23

Veröffentlicht am 05-05-2023 von Ruben Villalon

Mehr Infos