Maschinelles Lernen: Konzepte des maschinellen Lernens
Entwickeln Sie ein solides Verständnis der Konzepte des maschinellen Lernens (ML), von der Datenvorverarbeitung bis hin zur fortgeschrittenen Modelloptimierung. Dieser Kurs behandelt die wichtigsten ML-Techniken, Algorithmen und Anwendungen aus der Praxis.

Einführung in das maschinelle Lernen
  • Grundprinzipien des maschinellen Lernens und der KI
  • Unterschiede zwischen überwachtem, unüberwachtem und bestärkendem Lernen
  • Branchenanwendungen von ML in verschiedenen Bereichen
Datenaufbereitung und Feature-Engineering
  • Datenbereinigung und -vorverarbeitung für ML-Modelle
  • Verfahren zur Merkmalsextraktion und -auswahl
  • Umgang mit fehlenden Werten und Datenungleichgewichten
Algorithmen für überwachtes Lernen
  • Klassifizierungstechniken: Entscheidungsbäume, Random Forest, SVM
  • Regressionsmodelle: Lineare, logistische und Polynomregression
  • Leistungsbewertung: Konfusionsmatrix, AUC-ROC, F1-Score
Unüberwachtes Lernen und Clustering
  • K-Means und hierarchische Clustering-Methoden
  • Dimensionsreduktion: PCA und t-SNE
  • Anomalieerkennung und Mustererkennung
Deep Learning & Neuronale Netze
  • Grundlagen künstlicher neuronaler Netze (ANNs)
  • Faltungs-Neuronale Netze (CNNs) für die Bildverarbeitung
  • Rekurrente Neuronale Netze (RNNs) und Zeitreihenanalyse
Einsatz und Optimierung von maschinellem Lernen
  • Hyperparameter-Tuning und Verbesserung der Modellleistung
  • Bereitstellung von ML-Modellen in Cloud-Umgebungen
  • Ethische KI, Fairness und Vorurteilsminderung in ML

Der Kurs "Machine Learning: Machine Learning Concepts" vermittelt umfassende Einblicke in gängige Algorithmen und deren praktische Anwendungen im Bereich des maschinellen Lernens.