Supervised und Unsupervised Learning bilden die Grundpfeiler vieler KI-Anwendungen. Hugging Face bietet dafür eine strukturierte Plattform mit Modellen und Datensätzen. Im Forschungsumfeld entsteht daraus eine breite Palette an Einsatzmöglichkeiten.

!Kursinhalt

!1. Grundlagen des Supervised Learning
*Typische Aufgaben und Ziele
*Rolle gelabelter Daten
*Bewertung der Modellqualität

!2. Grundlagen des Unsupervised Learning
*Ziele ohne vorgegebene Labels
*Clustering und Dimensionsreduktion
*Typische Einsatzfelder

!3. Arbeiten mit Hugging Face
*Nutzung vortrainierter Modelle
*Aufbau eigener Pipelines
*Integration in Forschungsexperimente

!4. Evaluation und Dokumentation
*Bewertung auf definierten Testdaten
*Umgang mit Bias und Grenzen
*Veröffentlichung und Austausch

!Berufliche Relevanz

*Strukturierte Nutzung zentraler ML-Methoden
*Bessere Vergleichbarkeit eigener Experimente
*Fundierte Grundlage für Forschungsprojekte