Maschinelles Lernen – Vorhersage von Werten bei Spotify-Daten (Hybrid)

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.

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 Teilnehmer:innen zur Verfügung gestellt:

• PDF zur „Einführung Maschinelles Lernen“
• CSV-Datei (betriebswirtschaftliche Daten)
• Jupyter-Notebook für die Arbeit mit Pandas

Voraussetzungen

• Grundkenntnisse in Python 3.x (wünschenswert)
• Grundkenntnisse in Python-Bibliotheken Pandas und numpy, falls nicht vorhanden, wird vorher das Training 1 empfohlen
• Grundkenntnisse im Umgang mit Jupyter-Notebook

Lernerfolge

Nach der Schulung kennen die Teilnehmenden das von den Trainierenden ausgewählte Regresssions-Modell zur Vorhersage von Werten und können es anwenden.

Registrierung

Link zur Registrierung: https://event.zih.tu-dresden.de/nhr/regression
Die Registrierung schließt am 26.08.2022. Das NHR-Tutorial ist auf 15 Teilnehmende  (Verhältnis gerne 65% physisch, 35% online) beschränkt.
Die Zugangsdaten erhalten Sie kurz vor der Veranstaltung per Email an Ihre registrierte E-Mail-Adresse.

Für weiteren Fragen steht Ihnen Anja Gerbes (anja.gerbes@tu-dresden.de) zur Verfügung.