Methoden der KI

Die Teilnehmenden kennen und verstehen die Konzepte des maschinellen Lernens. Sie können den Grundaufbau und Variationen der Verfahren einordnen. Sie verstehen den Prozess zum Aufbau qualitativ hochwertiger Modelle und können entsprechende Weichenstellungen definieren. Sie können diese Modelle trainieren und ihre Leistung verlässlich analysieren.

1. Introduction: What is Machine Learning? Building an understanding of what constitutes ML, beyond marketing buzz-words.
2. Introduction: Python & Machine Learning: Learning the basics of a programming language ubiquitous in Data Analytics.
3. CRISP-DM: A process to develop ML-Solutions: Quality and reproducibility built into this standardized, encompassing approach.
4. Modelling – general procedure & principles explained using regression: Creating models with low bias and high precision by introducing additional steps.
5. Methods: The core of any ML solution, learning methods for prediction.
6. Ensemble Methods: Improving on the predictive accuracy by applying meta models.