Predictive Modeling / Supervised Machine Learning mit R

Online-Kurs

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 (Entscheidungsbäume, Random Forest, Gradient Boosting, Lasso und Neuronale Netze) und die grundlegenden Konzepte (Klassifikation, Regression, Kreuzvalidierung, Hyperparametertuning, Gütemaße) 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.

Voraussetzungen: Grundkenntnisse in der R-Programmierung (z.B. durch den Kurs "Einführung in die Statistikprogrammierung mit R")