Beim maschinellen Lernen werden Muster und Gesetzmäßigkeiten mithilfe von Algorithmen in Daten gelernt. Derartige statistischen Modelle eignen sich zur Vorhersage von Ereignissen. Die Teilnehmenden erarbeiten praktisch die Erstellung eines Modells zur Regressionsanalyse anhand eines durchgehenden Datenbeispiels (Spotify-Daten). Die Regressionsanalyse gehört zu den statistischen Analyseverfahren. Es werden Beziehungen zwischen einer abhängigen und einer oder mehreren unabhängigen Variablen modelliert. Der Onlinedienst Spotify speichert zu Musikwerken Audio-Eigenschaften, z.B. Energie und Lautstärke. In der Schulung werden die Teilnehmenden mit dem erstellten Modell Musikstücke untersuchen und Eigenschaften prädiktiv bestimmen.
Kursdetails
Titel: Maschinelles Lernen – Vorhersage von Werten bei Spotify-Daten
Nächste Session: 06.09.2022, 3 p.m. – 6 p.m. (Speakers: Anja Neumann, Matthias Täschner, Timo Adameit, Thomas Burghardt)
Registrierung: https://event.zih.tu-dresden.de/nhr/regression
Zielgruppe: HPC Basics / HPC User
Sprache: Deutsch
Format: Tutorial
Agenda
- Einführung zu allgemeinen Aspekten des maschinellen Lernens (10%)
- Tutorial zur Erstellung eines Modells zur Vorhersage von Werten bei Spotify-Daten (90%)
Handouts
Folgende Unterlagen (Folien, Beispielanwendungen) werden den Teilnehmenden zur Verfügung gestellt:
- PDF zur „Einführung Maschinelles Lernen“
- CSV-Datei (betriebswirtschaftliche Daten)
- Jupyter-Notebook für die Arbeit mit Pandas
Voraussetzungen
Teilnehmende sollten über Grundkenntnisse in Python 3.x sowie im Umgang mit Jupyter-Notebook verfügen. Empfohlen werden darüber hinaus Grundkenntnisse in den Python-Bibliotheken Pandas und numpy. Falls diese nicht vorhanden sind, ist ein vorheriger Besuch des Training 1 ratsam.
Lernerfolge
Nach der Schulung kennen die Teilnehmenden das von den Trainierenden ausgewählte Regresssions-Modell zur Vorhersage von Werten und können es anwenden.
Kontakt
Check out the other trainings by ScaDS.AI Dresden/Leipzig.