Kurzbeschreibung

Algorithmen bilden die Grundlage vieler Software im Bereich des Maschinellen Lernens. Wie diese Algorithmen funktionieren, bleibt den Anwendern der Software dabei in der Regel verborgen. Das führt zu der paradoxen Situation, dass oft im Unklaren bleibt, warum ein bestimmtes Maschinelles Lernverfahren gut funktioniert, oder auch warum es nicht gut funktioniert. Oftmals bleibt sogar unklar, wie die Ergebnisse entstehen, sodass Datenverzerrung und ungewünschte Ergebnisse mit hohen negativen Kosten die Folge sind. In diesem Workshop wollen wir unter die Haube bekannter Maschineller Lernverfahren wie linearer Regression, Reinforcement Learning, k-Means Clustering, Decision Trees und anderen Verfahren schauen und diese anhand praktischer Beispiele erklären. Am Ende des Workshops sollen die Teilnehmer selbstständig entscheiden können, welche Verfahren für ihre Anwendungen am besten geeignet sind, und wie sie diese Verfahren optimal auf ihre Bedürfnisse zuschneiden können.