Im Predictive Modeling (auch Predictive Analytics oder Supervised Machine Learning) verwendet man Statistik, um Ereignisse vorherzusagen. Diese Ereignisse liegen oft in der Zukunft, es kann sich aber auch um andere Arten von unbekannten Ereignissen handeln. Diese Verfahren werden z. B. verwendet, um zu erkennen, wann ein Bauteil mit hoher Wahrscheinlichkeit ausfallen wird. Sie werden die wichtigsten Verfahren und die grundlegenden Konzepte zur Vorhersage kennen lernen und in R anwenden. Darüber hinaus werden Sie das Machine Learning Framework Tidymodels, welches das Preprocessing, Training und Tuning in R vereinfacht, verwenden.
Kursinhalt: Predictive Modeling, Klassifikation und Regression, Verzerrung-Varianz-Dilemma, Entscheidungsbaum, Random Forest, Gradient Boosting (XGBoost), Lasso, Neuronales Netz, Kreuzvalidierung, Hyperparametertuning, Gütemaße, Undersampling, Datenaufbereitung (Imputation, One-Hot-Encoding, Normalisieren), Framework Tidymodels.
<strong>Voraussetzung:</strong> Kenntnisse entsprechend dem "Grundkurs: Statistikprogrammierung mit R".
<strong>Zusätzliche Informationen:</strong>
Dieser Online-Kurs findet mit Webex Meeting statt. Den Link mit den Zugangsdaten zum Kurs senden wir Ihnen einen Tag vor Kursbeginn per E-Mail zu. Bitte prüfen Sie auch Ihren Spam-Ordner, falls Sie keine E-Mail mit den Zugangsdaten erhalten.
Kursnummer S486215