Maschine Learning 101

Event Information

Maschine Learning 101
Typ
Village Event
Time
Aug. 19, 2023, 2 p.m. - Aug. 19, 2023, 3:30 p.m.
Speakers
jate
Language
de
Room
Workshop 2 (Dorothy Vaughan)
Host
Jugend-Village
Der Workshop "Maschine Learning 101" wird eine Einführung in das Maschinellen Lernen geben und die Möglichkeit Hands On mit Maschinellen Lernen Erfahrungen zu sammeln.

Der Workshop beginnt mit einer kurzen theoretischen Einführung, um wesentliche Begriffe zu erklären. Ich werde die verschiedenen Maschine Learning Ansätze vorstellen und die Unterscheide und Gemeinsamkeiten aufzeigen. Dieser Teil des Workshops wird dazu dienen, eine gemeinsame Wissensbasis aufzubauen, um dann tiefer in die Grundlagen des Maschine Learnings einzusteigen.

Den Schwerpunkt des Workshops werde ich darauf legen, den Teilnehmerinnen zu zeigen, wie sie Modelle trainieren können. Dabei werde ich die mathematische Optimierung als Grundlage für das Training erklären. Im Workshop werde ich sowohl die praktische Umsetzung der Methoden im Code zeigen als auch auf wichtige Aspekte hinweisen, die dabei berücksichtigt werden müssen. Anhand eines einfachen Beispiels aus dem überwachten Lernen werde ich den Teilnehmerinnen die Möglichkeit geben, das Gelernte selbst auszuprobieren und praktisch anzuwenden. Als Beispiel werde ich einen Datensatz vorbereiten auf dem ein kleines Neuronales Netz trainiert werden kann. Der Code und die Daten werden online zur Verfügung stehen, sodass jede Teilnehmerin selbst das Beispiel ausführen und erweitern kann.

Am Ende des Workshops werde ich auf die Validierung eines Trainings eingehen. Dabei zeige ich den Teilnehmerinnen, wie sie ihre trainierten Modelle bewerten und die Leistung anhand verschiedener Metriken messen können. Es wird betont, wie wichtig eine sorgfältige Validierung ist, um sicherzustellen, dass das Modell nicht nur auf den Trainingsdaten, sondern auch auf neuen, unbekannten Daten gut funktioniert. Ich werde diesen Teil des Workshop kurz halten, damit die meiste Zeit für das Rumspielen am Beispiel bleibt.

recommendations

Archived page - Impressum/Datenschutz