Seminar Maschinelles Lernen mit Python

Daten abrufen und bearbeiten

• Navigieren zu Dateien im Verzeichnis
• Standardverfahren zum Lesen / Schreiben von Text- und CSV-Dateien
• SQL-Datenbanken steuern
• Arbeiten mit Datenmatrizen: Einführung in Numpy & Pandas  
• Daten inspizieren und beschreiben
• Mit fehlenden Werten umgehen

Grundlagen des maschinellen Lernens 

• Grundlagen, Varianten und Techniken des maschinellen Lernens
• Arbeiten mit der maschinellen Lernbibliothek scikit-learn
• Modellierung einfacher Beziehungen zwischen kontinuierlichen Variablen: lineare Regression
• Klassifikation mit Logistischer Regression, Softmax und Support Vector Machine
• Auswerten von Modellen: Accuracy, Precision, Recall & Confusion Matrix
• Aufteilung der Daten in Trainings- und Testdaten

Workflow für maschinelles Lernen

• Verarbeiten und Zusammenführen von Daten (DataMapper)
• Pipelines einrichten
• Trainierte Klassifikatoren speichern und laden

Merkmalsextraktion 

• Vorbereiten kategorischer Daten: One-Hot-Kodierung
• Standardisierung der Daten
• Dimensionsreduktion mit PCA (Principle Component Analysis)
• Aufbereitung von Textdaten: Tokenizer und Bag-of-Words