
Mosa Nyamande
Profilzusammenfassung
Mosa engagiert sich leidenschaftlich für die Entwicklung Afrikas durch Technologie. Er ist Mitbegründer von Khonology, einem Unternehmen mit dem Ziel, Afrika zu digitalisieren. Mosa hat in den letzten zehn Jahren die Implementierung mehrerer erstklassiger FinTech-Lösungen geleitet, von der Kundenaufnahme über Datenanalyse und digitale Zahlungen bis hin zur Einhaltung gesetzlicher Vorschriften für Afrikas führende Finanzdienstleistungs- und Versicherungsinstitute.
Mosas Expertise umfasst Data Science, Advanced Analytics, Datenarchitektur und digitale Strategie. Diese Kompetenzen erschließen Mehrwert für jedes Unternehmen. Mosa ist Microsoft Certified: Azure Data Engineer Associate und AWS Certified Cloud Practitioner.
Mosas aktuelle Rolle ist die des Director of Delivery, in der er sich um das Delivery System von Khonology kümmert – die spezielle Art von Khonology, digitale Lösungen bereitzustellen.
Mosa erlangte einen Honours Degree an der Wits University und begann in dieser Zeit seine Laufbahn als Unternehmer. Vor Khonology gründete er mit denselben Mitbegründern ein weiteres Unternehmen: The Consulting Academy, ein von Studenten geführtes Strategieberatungsunternehmen.
Mosa liebt Jazz und spielt seit 14 Jahren Schlagzeug. Außerdem ist er gerne aktiv und verbringt viel Zeit im Freien und im Fitnessstudio.
Sitzungsbeschreibung
Praktische Modellierung des maschinellen Lernens.
Themen & Dauer (insgesamt 1,5 Stunden):
Einführung in Advanced Analytics – 5 Minuten
Wandelt Rückblick in Voraussicht um: ein Vergleich von deskriptiver, diagnostischer, prädiktiver und präskriptiver Analytik
Der Advanced Analytics-Reifepfad
Einführung in maschinelles Lernen – 20 Minuten
Maschinelles Lernen vs. traditionelle Programmierung
Maschinelles Lernen erklärt
Feature Engineering zur Vorbereitung auf Machine Learning
Angewandte maschinelle Lernverfahren
Modelltests und -validierung
Modellverstärkung und -neuschulung
Zusammenfassung: 7-stufige Machine-Learning-Methodik
Anleitung zur Algorithmusauswahl
Praktische Übung: Überwachtes maschinelles Lernen, Klassifikatormodell – 1 Stunde
Wenden Sie die 7-stufige Methode des maschinellen Lernens an:
Daten abrufen
Vorverarbeiten der Daten
Wählen Sie einen Algorithmus zum Trainieren der Maschine
Anwenden des Algorithmus auf Trainingsdaten
Anwenden des Algorithmus auf Testdaten
Bewerten Sie die Modellanpassung anhand von Testdaten
Überarbeiten Sie das Modell, um bessere Generalisierungen auf Daten außerhalb der Stichprobe vorzunehmen