QM-Werkstatt Data Science: Unsupervised Machine Learning

Unsupervised Machine Learning ist ein Feld, das Fachleute wie Facebooks Yann LeCun als vielversprechende Zukunft von Machine Learning betrachten. In einer inzwischen „Kult“-Status genießenden Metapher verglich LeCun Machine Learning mit einer Torte – dabei würden die supervised Algorithmen nur die Glasur darstellen: Der Großteil dieser Torte werde von unsupervised (oder, in einem Update des Bildes aus dem Jahr 2019: self-supervised) Algorithmen gestellt werden.

Dieses Seminar gibt einen ersten praxisorientierten Einblick in das Prinzip von Unsupervised Machine Learning. Es werden einige einfache unsupervised Algorithmen vorgestellt und deren mögliche Anwendungsgebiete, beispielsweise in Verbesserungsprojekten, erörtert.

Der Besuch der QM-Werkstatt Quality Data Science (QM-DS) wird empfohlen, ist aber nicht Voraussetzung.

Teilnehmende der QM-Werkstatt Quality Data Science (QM-DS), Six Sigma Spezialist*innen (Green/Black Belt), Statistiker*innen (ST/Qll) sowie Interessierte

• Überblick über Unsupervised Learning
• Einsatzgebiete und Anwendungen
• Vorstellung und Anwendung einiger Algorithmen:
  • k-means
  • UMAP (Uniform Manifold Approximation and Projection)
  • Hierarchical Clustering
  • Density Based Clustering

4 Stunden, 13:00-17:00

• Die Teilnehmenden benötigen einen Laptop mit R (Die Installations-Anleitung wird mit der Anmeldebestätigung geschickt).
• Dieses Seminar ist vom qualityaustria Bonussystem ausgenommen.