Machine Learning

Kursüberblick

Machine Learning bezeichnet Verfahren, die Muster aus Daten ableiten und daraus Vorhersagen oder Gruppierungen erzeugen. Behandelt wird der vollständige Ablauf eines Machine-Learning-Projekts: von der Wahl der Lernaufgabe über Merkmalsbildung und Training überwachter wie unüberwachter Modelle bis zur Bewertung ihrer Güte. Kursinhalt 1. Lernaufgabe und Datenbasis festlegen Regression, Klassifikation und Clustering unterscheiden Datenmenge und Datenqualität als Voraussetzung Trennung in Trainingsdaten und Testdaten 2. Features bilden und Daten aufbereiten Merkmale erzeugen und gezielt auswählen Skalieren und Kodieren von Merkmalswerten Fehlende und verzerrte Werte behandeln 3. Modelltraining im Machine Learning Überwachte Verfahren trainieren und gegeneinander vergleichen Clustering-Verfahren ohne Zielvariable Hyperparameter gezielt einstellen 4. Modellgüte und Aussagegrenzen Gütemaße und Fehlerarten auswerten Überanpassung (Overfitting) erkennen Reichweite einer Modellaussage abgrenzen Berufliche Relevanz Machine Learning als Kern datengetriebener Anwendungen Einsatzfelder in Data Science, Datenanalyse und Modellentwicklung Modelle vor dem produktiven Einsatz belastbar bewerten

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
• 2026-11-22T23:00:00.000Z · 2027-02-19T23:00:00.000Z · Virtuelles Klassenzimmer