Interaktive​ Einführung in Machine Learning mit scikit-learn

In dieser interaktiven, mathematikfreien Einführung hangeln sich die Teilnehmer an einem vom Referenten mitgebrachten Jupyter Notebook entlang, das sie auch ohne lokale Installation auf ihrem eigenen​ Rechner nachverfolgen können. Dabei werden wir anhand der Strategie "k nearest neighbor" Themen wie "Was ist Machine Learning?", Supervised Learning, Classification, Validation sowie Underfitting und Overfitting erläutern.

Jeder Schritt wird mit einem visuellen Experiment direkt im Notebook illustriert. Das Notebook ist in Python implementiert, allerdings erklärt der Referent jedes verwendete Sprachkonstrukt kurz, sodass Teilnehmer auch ohne tiefe Python-Kenntnisse klarkommen werden.

Vorkenntnisse
Basiskenntnis einer Programmiersprache, idealerweise Python​.

Lernziele
Grundlegende Einführung in Machine Learning. Die oben erwähnten Begriffe werden in Experimenten illustriert.

// Oliver Zeigermann
@DJCordhose

ist Entwickler, Architekt, Berater und Coach. Er hat über Jahrzehnte in vielen unterschiedlichen Sprachen und mit vielen Technologien Software entwickelt. In den letzten Jahren ist er tiefer in die Analyse großer Datenmengen mit Machine Learning eingestiegen. Dabei interessiert er sich vor allem für Datenvisualisierung und Deep Learning.