Machine Learning: Grundlagen

Kursüberblick

Datenaufbereitung und explorative Analyse als Basis für maschinelles Lernen Daten aus verschiedenen Quellen erfassen, bereinigen und für Analysen vorbereiten Auffälligkeiten, Muster und Korrelationen durch explorative Analysetechniken identifizieren SQL und relationale Datenbanken für effiziente Datenverarbeitung im Machine Learning Datenbankabfragen nutzen, um große Datensätze gezielt zu analysieren und zu verwalten Joins, Aggregationen und Unterabfragen anwenden, um komplexe Datenstrukturen abzubilden Grundlagen des Machine Learning und überwachtes Lernen verstehen Regressionstechniken nutzen, um Vorhersagemodelle auf Basis historischer Daten zu erstellen Klassifikationsverfahren einsetzen, um Daten sinnvoll zu kategorisieren und zu analysieren Statistische Methoden und Wahrscheinlichkeitsrechnung für maschinelles Lernen anwenden Deskriptive Statistik nutzen, um Datenverteilungen und zentrale Kennzahlen zu interpretieren Modellbewertung und Performance-Messung durchführen, um Vorhersagegenauigkeit zu verbessern

Nächste Termine

• 2026-11-08T23:00:00.000Z · 2027-02-06T23:00:00.000Z · Berlin · Hybrid Learning
• 2026-11-08T23:00:00.000Z · 2027-02-06T23:00:00.000Z · München · Hybrid Learning
• 2026-11-08T23:00:00.000Z · 2027-02-06T23:00:00.000Z · Berlin · Hybrid Learning
• 2026-11-08T23:00:00.000Z · 2027-02-06T23:00:00.000Z · Frankfurt am Main · Hybrid Learning
• 2026-11-08T23:00:00.000Z · 2027-02-06T23:00:00.000Z · Stuttgart · Hybrid Learning