Einführung in AI und Datenmodellbewertung
  • Lernen Sie die Rolle der Modellbewertung in Daten- und KI-Arbeitsprozessen kennen
  • Entdecken Sie, wie AI-Modelle von Datenwissenschaftlern bewertet werden
  • Verstehen Sie, wie AI-Systeme mit datengetriebenen Entscheidungen interagieren
Grundlagen der Datenanalyse
  • Führen Sie eine explorative Datenanalyse zur Vorbereitung der Modellbewertung durch
  • Nutzen Sie Python-Tools wie Pandas und Numpy zur Datenbereinigung und Verarbeitung
  • Verwenden Sie Datendiagramme, um die Grundlagen der Modellbewertung zu verdeutlichen
Bewertung von Modellen
  • Kennen Sie Kennzahlen wie Genauigkeit, Präzision, Recall und F1-Score
  • Erfahren Sie mehr über Modellvalidierung und Kreuzvalidierungstechniken
  • Bewerten Sie Regressionsmodelle mit mittlerem quadratischen Fehler und R-Quadrat
Erweiterte Modellbewertungsmethoden
  • Untersuchen Sie das Ungleichgewicht zwischen Verzerrung und Varianz hinsichtlich der Modellqualität
  • Studieren Sie Overfitting und Underfitting anhand praktischer Anwendungen
  • Automatisieren Sie Modellbewertungen mit Python-Bibliotheken wie Scikit-learn
Reale Modellbewertungsszenarien
  • Analysieren Sie auf echten Daten basierende AI-Modelle für nutzbare Einsichten
  • Teilen Sie Modellanalysen durch klare visuelle Darstellungen mit den Interessengruppen
  • Kooperieren Sie in Teamprojekten zur Simulation von professionellen datenwissenschaftlichen Arbeitsumgebungen