Machine Learning

Kursüberblick

Das Lernen von Mustern aus Daten umfasst in der Praxis eine Vielzahl von Schritten, von der Merkmalsbildung bis zur Modellbewertung. Im Programm für maschinelles Lernen werden überwachte und unüberwachte Modelle trainiert. Verfahren und Bewertung folgen dabei einem festen Ablauf. !Kursinhalt !1. Lernaufgaben und Datengrundlage *Abgrenzung von Regression, Klassifikation und Gruppierung *Anforderungen an Datenmenge und Datenqualität *Aufteilung in Trainings- und Prüfmengen !2. Merkmalsbildung und Vorverarbeitung *Bildung und Auswahl von Merkmalen *Skalierung und Kodierung von Merkmalswerten *Behandlung fehlender und verzerrter Werte !3. Training und Parameterwahl im Machine Learning *Überwachte Verfahren trainieren und vergleichen *Gruppierungsverfahren ohne Zielgröße *Anpassung von Verfahrensparametern !4. Bewertung und Grenzen der Modelle *Kenngrößen für Güte und Fehlerarten *Erkennen von Überanpassung *Grenzen der Aussage eines Modells benennen !Berufliche Relevanz *Machine Learning als Grundlage datengetriebener Anwendungen *Belastbare Bewertung von Modellen vor dem Einsatz *Verbindung von Datenarbeit und Modellentwicklung

Nächste Termine

• 2026-10-25T23:00:00.000Z · 2027-01-22T23:00:00.000Z · Virtuelles Klassenzimmer
• 2026-10-25T23:00:00.000Z · 2027-04-22T22:00:00.000Z · Virtuelles Klassenzimmer
• 2026-10-25T23:00:00.000Z · 2027-01-22T23:00:00.000Z · Berlin · Combined Learning
• 2026-10-25T23:00:00.000Z · 2027-04-22T22:00:00.000Z · Berlin · Combined Learning