Schulung - Machine Learning mit Python & Scikit Learn

DDie Teilnehmer:innen benötigen für die Übungsaufgaben einen Laptop, auf dem Python und die benötigten Bibliotheken ausgeführt werden können. Wir empfehlen Ihnen daher, Ihren eigenen Laptop mit der vorab installierten Software mitzubringen. Eine genaue Installationsanleitung für die Software wird Ihnen vor dem Seminar per E-Mail zugesandt. Auf Anfrage stellen wir auch Schulungslaptops zur Verfügung.

Bitte prüfen Sie, ob Ihr Firmenlaptop Zugangsbeschränkungen im Internet hat. Die digitalen Unterlagen (Skript, Code, Dateien) werden im Seminar online zum Download zur Verfügung gestellt. Sie erhalten vor dem Seminar per E-Mail den Link zu einer Testdatei zum Download, um dies überprüfen zu können. 

Sie sollten sich in firmenfremde WLAN-Netze registrieren können.

Als Backup-Lösung ist es hilfreich, wenn der USB-Port Ihres Laptops freigeschaltet ist, damit bei Bedarf Dateien über einen USB-Stick übertragen werden können.
Im Seminar wird das Betriebssystem Windows verwendet. Der Umgang mit Ihrem verwendeten Betriebssystem und Laptop sollte bekannt sein. Insbesondere sollten Sie ohne Schwierigkeiten Sonderzeichen auf der Tastatur finden (insbesondere bei Apple Geräten werden auf manchen Tastaturen nicht immer runde, eckige bzw. geschweifte Klammern dargestellt).

Hinweis für Online-Schulungen:
Für die Online-Teilnahme ist ein stabiler Internetzugang erforderlich. Wir empfehlen Ihnen, mit zwei Bildschirmen zu arbeiten, damit Sie die Präsentation und JupyterLab bzw. die Übungsumgebung parallel im Blick behalten können.

Für wen ist dieses Seminar geeignet?  
Das Seminar ist ideal für Fachkräfte wie Data Scientists, angehende Machine Learning Engineers, Datenanalystinnen und -analysten sowie Business Intelligence Analystinnen und Analysten, die ihre Python-Programmierkenntnisse für Data Science und Data Mining vertiefen möchten.

Wie viel Mathematik brauche ich für dieses Seminar?
Grundkenntnisse in Statistik und linearer Algebra sind hilfreich, aber es ist keine tiefgehende mathematische Ausbildung erforderlich. Wichtiger ist, dass Sie Begriffe wie Mittelwert, Varianz, Korrelation sowie grundlegende Funktionen und Vektoren einordnen können. Die mathematischen Hintergründe werden auf einem praxisorientierten Niveau erklärt, mit Fokus auf Verständnis und Interpretation der Modelle, nicht auf Herleitung aller Formeln.

Welche Python-Bibliotheken werden im Seminar verwendet?
Im Mittelpunkt steht scikit-learn als zentrale Bibliothek für Machine Learning. Ergänzend kommen u. a. NumPy und Pandas für Datenaufbereitung sowie Matplotlib bzw. Seaborn für Visualisierungen zum Einsatz. Für ausgewählte Themen können weitere Pakete genutzt werden, z. B. Statsmodels für detaillierte Modellanalysen.

Mit welcher Umgebung wird gearbeitet (z. B. JupyterLab)?
Im Seminar wird in der Regel mit Jupyter Notebooks bzw. JupyterLab gearbeitet. Diese Umgebung eignet sich sehr gut für interaktive Experimente, Schritt-für-Schritt-Demonstrationen und das Kommentieren von Code. Sie erhalten eine kurze Einführung in die Oberfläche, bevor Sie eigene Notebooks ausführen und bearbeiten.

Muss ich Python und alle Bibliotheken vor dem Seminar installieren?
Wenn Sie mit einem eigenen Laptop teilnehmen, ist es sinnvoll, Python und die benötigten Bibliotheken vorab zu installieren - z. B. über Anaconda oder eine vorbereitete virtuelle Umgebung. Sie erhalten rechtzeitig vor Seminarbeginn eine Anleitung mit den konkreten Installationsschritten und Paketversionen. Sofern eine lokale Installation nicht möglich ist, können nach Absprache alternative Lösungen (z. B. vorbereitete Umgebungen oder cloudbasierte Notebooks) eingesetzt werden.

Werden auch Themen wie Feature Engineering und Modellbewertung behandelt?
Ja, neben dem reinen Training von Modellen werden auch Schritte wie Datenaufbereitung, Feature Engineering, Evaluationsmetriken und Modellvergleich behandelt. 

Geht das Seminar auch auf Hyperparameter-Tuning ein?
Grundlagen des Hyperparameter-Tunings werden angesprochen. Der Schwerpunkt liegt darauf, das Prinzip zu verstehen, sinnvolle Parameterbereiche zu wählen und typische Stolpersteine zu erkennen. 

Eignet sich das Seminar als Einstieg in Machine Learning oder brauche ich Vorwissen?
Das Seminar ist als Einstieg in angewandtes Machine Learning mit Python konzipiert. Sie sollten Python-Grundkenntnisse mitbringen und einfache Datenanalysen in Python nachvollziehen können. Vorkenntnisse in Machine Learning sind nicht zwingend nötig; entsprechende Konzepte werden im Seminar eingeführt und anhand von Beispielen erarbeitet.

Welche nächsten Schritte empfehlen sich nach diesem Seminar?
Als nächste Schritte bieten sich vertiefende Seminare zu speziellen Machine-Learning-Themen an, z. B. Deep Learning, Natural Language Processing, Zeitreihenanalyse oder MLOps/Produktivsetzung von Modellen. Auch weiterführende Trainings zu Data Engineering, Datenplattformen oder statistischer Modellierung können sinnvoll sein, um Ihre Machine-Learning-Praxis systematisch auszubauen.