Kurs Data Science
Du hast numerische Daten die du rein visuell nicht mehr interpretieren kannst? Es sind einfach zu viele? Da kommt Clustering ins Spiel: Cluster Algorithmen finden Gruppen von ähnlichen Objekten in Daten. Während viele denken das hört beim bekannten k-Means Algorithmus auf, lernen wir in diesem Kurs, welche Konzepte es sonst noch im Clustering gibt, wann wir was anwenden sollten, und warum sie eigentlich funktionieren. Auch das Visualisieren und die Reduktion und Selektion von Dimensionen wird näher beleuchtet.Ziele und Lernergebnisse: Nach diesem Kurs kennst du ein paar Clusteralgorithmen und generelle Techniken der Data Science. Du kennst die Unterschiede, und wann du was verwenden solltest, und kannst das auch in Python umsetzen. Inhalte: Clusteringmethoden: k-Means, DBSCAN, Spectral Clustering, Hierarchisches Clustering (Theorie, mathematischer Hintergrund, praktische Anwendbarkeit, Umsetzung mit python), Dimensionsreduktion (PCA, t-SNE, Selektion)
Infos:
Voraussetzungen:
- Du solltest Grundkenntnisse in Python haben und eine laufende Programmierumgebung - ein einfaches Jupyter Notebook reicht hier.- Du solltest schon einmal was mit Vektoren und Matrizen zu tun gehabt haben und wissen wir man damit rechnet
Geschlossene Veranstaltung
Nur für die angemeldeten Teilnehmerinnen