Datenwissenschaft für Machine Learning

Kursüberblick

Konzepte des maschinellen Lernens Einführung Einführung in die Grundlagen des maschinellen Lernens (ML) und seine Rolle in der Datenwissenschaft. Überblick über die Arten des maschinellen Lernens: überwachtes, unüberwachtes und bestärkendes Lernen. Schlüsselkonzepte wie Trainingsdaten, Testdaten, Modelle und Algorithmen. Techniken des überwachten Lernens Verständnis von Klassifizierungs- und Regressionsalgorithmen. Einführung in Entscheidungsbäume, logistische Regression und k-nächste Nachbarn. Praktische Anwendungen und Problemlösung in der realen Welt mithilfe von überwachtem Lernen. Datenvorverarbeitung und Feature-Engineering Techniken zur Behandlung fehlender Werte und Ausreißer. Bedeutung der Auswahl und Extraktion von Merkmalen in ML-Modellen. Datennormalisierung und -standardisierung für eine bessere Modellleistung. Algorithmen für maschinelles Lernen und Modellbewertung Einführung in gängige Algorithmen für maschinelles Lernen, die in der Datenwissenschaft verwendet werden. Bewertungsmetriken: Genauigkeit, Präzision, Rückruf, F1-Score und ROC-Kurve. Bewährte Verfahren zur Auswahl und Abstimmung von Modellen auf der Grundlage des vorliegenden Problems. Reale Anwendung von maschinellem Lernen Anwendung von Modellen des maschinellen Lernens auf reale Datensätze. Praktische Projektarbeit mit Python-Bibliotheken wie scikit-learn. Erstellung und Bereitstellung von Modellen des maschinellen Lernens für Geschäftslösungen. Machine Learning erfordert eine gründliche Datenvorverarbeitung und Feature-Engineering, um die Leistung von ML-Modellen in der Datenwissenschaft zu optimieren.

Nächste Termine

• 2026-10-18T22:00:00.000Z · 2026-11-16T23:00:00.000Z · Aachen · Combined Learning
• 2026-10-18T22:00:00.000Z · 2026-11-16T23:00:00.000Z · Bielefeld · Combined Learning
• 2026-10-18T22:00:00.000Z · 2026-11-16T23:00:00.000Z · Bonn · Combined Learning
• 2026-10-18T22:00:00.000Z · 2026-11-16T23:00:00.000Z · Dresden · Combined Learning
• 2026-10-18T22:00:00.000Z · 2026-11-16T23:00:00.000Z · Duisburg · Combined Learning