Machine Learning

Kursüberblick

Machine Learning ist das methodische Fundament moderner KI-Anwendungen - es ermöglicht Computersystemen, aus Daten zu lernen und Muster zu erkennen, ohne explizit programmiert zu werden. Für Fachkräfte in Data Science und IT ist ein fundiertes ML-Verständnis Grundvoraussetzung. Kursinhalt Grundlagen des maschinellen Lernens Lernparadigmen: überwacht, unüberwacht, verstärkt Trainingsdaten, Merkmale und Labels Bias-Varianz-Tradeoff und Generalisierung Überwachte Lernverfahren Lineare und logistische Regression Entscheidungsbäume und Ensemble-Methoden Support Vector Machines und k-Nearest-Neighbor Unüberwachte Lernverfahren Clustering: k-Means und hierarchisches Clustering Dimensionsreduktion: PCA und t-SNE Anomalieerkennung Modelltraining und -evaluation Trainings-, Validierungs- und Testset Metriken: Accuracy, Precision, Recall, F1, AUC Cross-Validation und Hyperparameter-Tuning Berufliche Relevanz Relevant für Data Scientists und ML-Fachkräfte Grundlage für die Entwicklung und Evaluation von ML-Modellen Vorbereitung auf spezialisierte ML-Qualifikationen

Nächste Termine

• 2026-10-25T23:00:00.000Z · 2027-01-30T23:00:00.000Z · Berlin · Combined Learning
• 2026-10-25T23:00:00.000Z · 2027-05-08T22:00:00.000Z · Berlin · Combined Learning
• 2026-10-25T23:00:00.000Z · 2027-01-30T23:00:00.000Z · Augsburg, Bayern · Combined Learning
• 2026-10-25T23:00:00.000Z · 2027-05-08T22:00:00.000Z · Augsburg, Bayern · Combined Learning
• 2026-10-25T23:00:00.000Z · 2027-01-30T23:00:00.000Z · Bielefeld · Combined Learning