Einführung in Supervised Machine Learning in R
online 26.10. (9:00) - 30.10. (13:00)
Dieser Kurs richtet sich an Personen, die die Grundlagen von Machine Learning in R erlernen möchten.
Die vermittelten Kenntnisse werden durch praktische Übungen vertieft.
Der Kurs umfasst 16 Kursstunden, in denen folgende Schwerpunkte behandelt werden:
- Allgemeine Fragestellungen, allgemeine Begriffe im maschinellen Lernen
- Lineare und Logistische Regression aus der Perspektive des maschinellen Lernens
- K-nächste Nachbarn Verfahren
- Wichtige Evaluationmaße für Regression und Klassifikation und deren Eigenschaften
- Resampling Methoden
- Funktionsweise wichtiger Machine Learning Algorithmen wie Regressions- und Klassifikationsbäume, Random Forests
- Hyperparameter Optimierung
- genestete Kreuzvalidierung zur optimalen Modellwahl
- Fallstricke und praxisrelevante Tipps bei der Modell-Evaluation und Modellwahl
Voraussetzungen:
- Sehr gute R-Grundkenntnisse sind notwendig.
- Statistische Grundkenntnisse sind wärmstens empfohlen und von Vorteil.
- Installation von R-Studio vor Kursbeginn auf Notebook des Kursteilnehmenden
- Folgende Erweiterungspakete können Sie in R bereits vorinstallieren und testen, ob diese mit dem library-Befehl in R geladen werden können: "mlr3verse", "tidyverse", "rchallenge", "kknn", "rpart", "ranger", "xgboost", "e1071", "gridExtra", "AER", "HSAUR3"