AutoML Grundkurs

Baue belastbare ML-Modelle schneller, ohne die Kontrolle über Daten, Metriken und Deployment zu verlieren. Zu den Schwerpunkten gehören AutoML richtig einordnen, Datenqualität als Erfolgshebel, AutoML für Tabular Data, AutoML für Text und Zeitreihen, Modellbewertung, Robustheit, Fairness und Von Experiment zu Betrieb (MLOps light).

Die Schulung richtet sich an Data Analysts und BI-Profis, die schneller zu belastbaren ML-Modellen kommen wollen, Data Scientists, die AutoML kontrolliert in ihren Workflow integrieren möchten, Product Owner und Projektleitende in Datenprojekten, die Ergebnisse bewerten und abnehmen müssen und ML Engineers und DevOps-nahe Rollen, die AutoML in Betrieb bringen und überwachen sowie alle, die AutoML nicht als Blackbox nutzen, sondern als steuerbaren Prozess etablieren wollen.

Grundverständnis von Machine Learning (Train/Test, Overfitting, gängige Metriken). Basiskenntnisse im Umgang mit Daten (Tabellen, einfache Transformationen).

Zu den Schwerpunkten gehören AutoML richtig einordnen, Datenqualität als Erfolgshebel, AutoML für Tabular Data, AutoML für Text und Zeitreihen, Modellbewertung, Robustheit, Fairness und Von Experiment zu Betrieb (MLOps light).

Die Inhalte werden bis zu konkreten Arbeitsschritten zu AutoML für Text und Zeitreihen, Modellbewertung, Robustheit, Fairness und Von Experiment zu Betrieb (MLOps light) geführt. Dadurch lässt sich das Gelernte gezielt auf eigene Aufgaben übertragen.

Zu den angestrebten Ergebnissen gehören: Wenn AutoML richtig eingesetzt wird, verkürzt es den Weg von der Idee zum nutzbaren Modell deutlich; Dieses Seminar zeigt dir, wie du AutoML-Tools so steuerst, dass du Geschwindigkeit gewinnst, ohne Qualität zu verlieren; Du lernst zuerst, welche Problemtypen sich eignen und wo AutoML typischerweise scheitert, zum Beispiel durch Leakage, Overfitting oder unpassende Metriken; Darauf aufbauend definierst du eine belastbare Evaluationsstrategie: Holdout versus Cross-Validation, sinnvolle Splits bei Zeitreihen,; Praxisnah arbeitest du an AutoML-Workflows für Tabular Data und überträgst die Logik anschließend auf Text und Zeitreihen.

Ja. „AutoML für Text und Zeitreihen“ ist ein eigener Bestandteil der Schulung. Dazu gehören Textklassifikation und Embeddings pragmatisch nutzen, Forecasting: Backtesting und Rolling Windows und Saisonalität, Drift und Datenlücken.