Machine Learning

Kursüberblick

Maschinelles Lernen erkennt Muster in Daten, die sich manuell kaum erschließen lassen. Der Kurs Machine Learning führt von der Datenaufbereitung über überwachtes und unüberwachtes Lernen bis zu neuronalen Netzen. Im Praxisprojekt wird behandelt, wie Modelle trainiert und ihre Güte bewertet wird. Grundlagen und Datenaufbereitung Zunächst entsteht die Basis für jedes Modell. Einführung in maschinelles Lernen Datenaufbereitung und Feature Engineering Lernverfahren und Bewertung Hier stehen die Verfahren und ihre Beurteilung im Mittelpunkt. Überwachtes und unüberwachtes Lernen Modelltraining und Evaluierung Neuronale Netze und Praxis Zuletzt folgen tiefere Modelle und die eigene Umsetzung. Einführung in neuronale Netze Praxisprojekt zur Modellentwicklung Der Kurs verbindet die Methodik des maschinellen Lernens mit praktischer Modellarbeit. Damit lassen sich eigene Datenprojekte konzipieren und Ergebnisse belastbar einordnen. Die Anwendung der Inhalte erfolgt mit Python, Jupyter Notebooks, pandas, scikit-learn, TensorFlow, Keras, matplotlib und seaborn.

Nächste Termine

• 2026-10-11T22:00:00.000Z · 2026-11-08T23:00:00.000Z · Recklinghausen, Westfalen · Combined Learning
• 2026-10-11T22:00:00.000Z · 2026-11-08T23:00:00.000Z · Eberswalde · Combined Learning
• 2026-10-11T22:00:00.000Z · 2026-12-06T23:00:00.000Z · Eberswalde · Combined Learning
• 2026-10-11T22:00:00.000Z · 2026-12-06T23:00:00.000Z · Heilbronn, Neckar · Combined Learning
• 2026-10-11T22:00:00.000Z · 2026-11-08T23:00:00.000Z · Heilbronn, Neckar · Combined Learning