Die Weiterbildung Grundlagen Machine Learning vermittelt ein verständliches und praxisnahes Fundament in den Methoden und Anwendungsfeldern des Machine Learning. Teilnehmende lernen, wie Daten genutzt werden, um Modelle zu trainieren, Muster zu erkennen und Vorhersagen zu treffen. Der Kurs richtet sich an Einsteigerinnen und Einsteiger, die einen systematischen Zugang zu den Grundlagen Machine Learning erhalten möchten.
Einführung in die Grundlagen Machine Learning- Bedeutung der Grundlagen Machine Learning in Wirtschaft und Gesellschaft
- Abgrenzung von Machine Learning, KI und klassischer Programmierung
- Typische Anwendungsfelder: Prognosen, Klassifikation, Empfehlungssysteme
- Chancen, Grenzen und ethische Fragestellungen
Daten als Basis des Machine Learning
- Rolle von Datenqualität und Datenaufbereitung im Machine Learning
- Trainings-, Validierungs- und Testdaten
- Feature Engineering: Auswahl und Erstellung relevanter Merkmale
- Umgang mit Verzerrungen und Datenfehlern
Methoden und Modelle im Machine Learning
- Überwachtes und unüberwachtes Machine Learning
- Grundlegende Modelltypen: Regression, Klassifikation, Clustering
- Modelltraining, -validierung und -bewertung
- Überanpassung (Overfitting) und Generalisierung verstehen
Werkzeuge und praktische Anwendung
- Typische Tools und Plattformen für Machine Learning (z. B. Python, Notebooks, AutoML)
- Einordnung von Bibliotheken wie scikit-learn oder TensorFlow
- Beispielhafte Anwendungsprojekte aus Praxisfeldern
- Datenschutz und verantwortungsvoller Einsatz von Machine Learning
Nach Abschluss der Weiterbildung verstehen die Teilnehmenden die wichtigsten Konzepte der Grundlagen Machine Learning. Sie können grundlegende Methoden einordnen, Datenanforderungen bewerten und einfache Machine-Learning-Projekte konzeptionell mitgestalten. Damit legen sie eine solide Basis für weiterführende Vertiefungen in Data Science, KI-Anwendungen und analytischer Modellierung.