Machine-Learning-Pipelines mit scikit-learn
Datenvorbereitung und Modellierung reproduzierbar zu einem Workflow verbinden
01 Intro
Ein Machine-Learning-Modell besteht in der Praxis selten nur aus einem
Algorithmus. Imputation, Skalierung, Encoding, Feature Engineering und
Modellierung müssen in derselben Reihenfolge und mit denselben Parametern
auf Trainings- und Produktionsdaten angewendet werden.
Der Kurs behandelt die Entwicklung reproduzierbarer
Machine-Learning-Pipelines mit scikit-learn. Im Mittelpunkt stehen
Pipeline, ColumnTransformer, eigene Transformer, Cross Validation und
Hyperparameteroptimierung sowie die Vermeidung von Datenleckage.
Kurs-ID
ML-008
Dauer
2 Tage
Format
Präsenz · Live Online · Inhouse
Vorkenntnisse
Praktische Kenntnisse in Python, Pandas, scikit-learn und Machine Learning
02 Trainingsprogramm
Inhalte
Warum ML-Pipelines?
- Preprocessing und Modell als Einheit
- Reproduzierbarkeit
- Training und Prediction
- manuelle Workflows und ihre Fehler
- Leakage
- Wartbarkeit
scikit-learn Estimator API
- Estimator
- Transformer
- fit
- transform
- predict
- einheitliche Schnittstellen
Pipeline
- Verarbeitungsschritte verbinden
- Preprocessing
- Modell
- Pipeline erstellen
- Parameter adressieren
- Pipeline ausführen
Numerische Features vorbereiten
- Imputation
- Skalierung
- Transformation
- mehrere Schritte
- Feature-Namen
- reproduzierbare Verarbeitung
Kategoriale Features vorbereiten
- Imputation
- One-Hot Encoding
- unbekannte Kategorien
- seltene Kategorien
- robuste Verarbeitung neuer Daten
ColumnTransformer
- unterschiedliche Feature-Gruppen
- paralleles Preprocessing
- numerische und kategoriale Pipelines
- Restspalten
- komplexere Datenstrukturen
Eigene Transformer
- eigene Transformationen
- FunctionTransformer
- scikit-learn-kompatible Komponenten
- Fit-Zustand
- Wiederverwendbarkeit
- Testbarkeit
Pipeline und Cross Validation
- vollständige Pipeline validieren
- Preprocessing innerhalb der Folds
- Leakage vermeiden
- Cross Validation
- mehrere Metriken
Hyperparameter in Pipelines
- Parameterpfade
- Grid Search
- Randomized Search
- Preprocessing und Modell gemeinsam optimieren
- Suchräume
- Rechenaufwand
Pipelines vergleichen und testen
- Baselines
- alternative Preprocessing-Schritte
- unterschiedliche Modelle
- reproduzierbare Experimente
- automatisierte Tests
- Fehleranalyse
Pipeline für den Betrieb vorbereiten
- trainiertes Gesamtmodell
- Persistenz
- Versionsinformationen
- Eingabeschema
- Prediction
- Grenzen zwischen Training und Serving
Praktisches Pipeline-Projekt
- heterogenen Datensatz vorbereiten
- ColumnTransformer entwickeln
- Modell integrieren
- Cross Validation durchführen
- Parameter optimieren
- vollständigen Workflow reproduzieren
03 Durchführung
Rahmen und Organisation
Dauer
2 Tage
Durchführung
Präsenz oder Live Online, vorzugsweise als Inhouse-Schulung
Schwerpunkt
Inhouse-Schulungen für Unternehmen und Teams
Sprache
Deutsch, englische Fachbegriffe und Dokumentation
Unterlagen
Kursunterlagen, Beispiele und Übungsaufgaben
Technik
Eigener Rechner mit Python, Jupyter und scikit-learn
Inhouse-Schulungen
Vorhandene Datensätze und Modellierungsworkflows können als Grundlage für
die Übungen dienen.
04 Zielgruppe
Für wen ist der Kurs gedacht?
Data Scientists, Entwickler und fortgeschrittene Data Analysts, die
Machine-Learning-Workflows mit scikit-learn reproduzierbar und wartbar
entwickeln möchten.
Voraussetzungen
Praktische Python- und scikit-learn-Kenntnisse sowie Grundlagen in
Machine Learning.
05 Lernziele
Was Sie nach dem Kurs können
Die Teilnehmer können vollständige ML-Pipelines entwickeln,
unterschiedliche Feature-Typen korrekt verarbeiten, Leakage vermeiden und
Preprocessing und Modelle gemeinsam validieren und optimieren.
06 FAQ
Häufige Fragen
Ist das ein MLOps-Kurs?
Nein. Der Schwerpunkt liegt auf reproduzierbaren Modellierungs-Pipelines innerhalb von scikit-learn. Deployment-Infrastruktur und umfassendes MLOps gehen darüber hinaus.
Werden eigene Transformer entwickelt?
Ja. Dadurch lassen sich fachliche Transformationen sauber in den Workflow integrieren.
Was unterscheidet den Kurs vom Feature Engineering?
Der Feature-Engineering-Kurs konzentriert sich auf Merkmalsentwicklung und Dimensionsreduktion als methodisches Thema. Hier geht es um die technische Orchestrierung der gesamten Verarbeitungskette.