Inhalt
Kursübersicht 2021 – Details
Fachkurs: 21IF-21-HW2 Machine Learning - Advanced Data Analysis Concepts with Python (english)
Target group: Master's students, doctoral and post-doctoral students, professionals
Requirements: Good knowledge of object-oriented programming, statistics and Python or Workshop Data Analysis Concepts with Python (Workshop 21IF-02-HW1).
Participants: 12
Credit Point (ECTS): 1
Work for CP: Programming project of a data analysis task
A challenging task depicts the analysis of complex data for unravelling deeper insights from and predicting future patterns based on available data. Machine learning (ML) algorithms provide powerful approaches to extend the data analysis spectrum beyond classical statistical modelling concepts. The workshop aims to enable the participants to understand and apply supervised and unsupervised learning methods and to address advanced data analysis tasks in a sustainable pythonic manner.
Based on Python, the workshop presents state-of-the-art ML libraries. To fully exploit the potential of the provided ML approaches, beneficial implementation strategies into the workflow of data analysis projects are elaborated.
The workshop introduces the guiding principles of data science and ML approaches used for advanced data analysis via hands-on examples covering:
- introduction to supervised and unsupervised machine learning
- discussion of statistical principles guiding machine learning concepts
- discussion of interpretability approaches to machine learning algorithms
- application of open source libraries for advanced data analysis and machine learning
Kategorie
- Halbwochenkurs (Do - Sa)
Datum
29.–31.07.2021
Ort
- Online
- Online
ReferentIn
- Dr. rer. nat. Nadine Berner
studierte an der Universität Würzburg Physik. An der Universität Potsdam promovierte sie in Theoretischer Physik und entwickelte dabei probabilistische Methoden zur Analyse von Trendwenden in komplexen Klimasignalen. Seitdem arbeitet sie als Research Data Scientist bei der gemeinnützigen Gesellschaft für Anlagen- und Reaktorsicherheit (GRS gGmbH), in der Abteilung Sicherheitsanalysen, am Forschungszentrum Garching bei München.
Hauptsächlich beschäftigt sie sich dabei mit der probabilistischen Modellierung und Analyse komplexer dynamischer Systeme um das Verhalten und die Sicherheit von z.B. nuklearen Reaktoranlagen zu untersuchen. Ihr übergreifendes Forschungsinteresse besteht aus der Methodenentwicklung zur Unsicherheits- und Sensitivitätsanalyse komplexer dynamischer Systeme unter Einfluss nicht-linearer Zustandsänderungen mittels Ansätzen der Bayes Statistik, Monte-Carlo-basierten Simulationsstrategien, komplexen Netzwerkanalysen und Maschinellen Lernalgorithmen.
Sprache
English
Preis für Berufstätige
€ 240,00
Preis für Teilzeitkräfte bis 50%
€ 120,00
Ermäßigter Preis
€ 40,00
Genaue Kurszeiten:
Do 29.07.
15.15 - 17.30
Fr 30.07.
09.00 - 10.30
11.00 - 12.30
14.00 - 15.30
16.00 - 17.30
Sa 31.07.
09.00 - 10.30
11.00 - 12.30
14.00 - 15.30
Mögliche Zahlungsarten
- per Rechnung
Zielgruppen
- Arbeitssuchende
- Berufstätige
- Schülerinnen - Kursstufe
- Studentinnen
Veranstalter
- Netzwerk F.I.T (if)
Anmeldung
Die Anmeldefrist für diese Veranstaltung ist leider schon vorbei.