0521 968 7740Mo–Fr, 8–17 Uhr
Ohne ein grundlegendes Verständnis der zugrunde liegenden Verfahren bleibt maschinelles Lernen schnell eine Blackbox – entscheidend ist, die passende Methode für die jeweilige Aufgabenstellung einordnen zu können. Diese Schulung zeigt Dir, wie sich überwachtes und unüberwachtes Lernen sowie Verfahren wie Regression, Klassifikation und Clustering voneinander unterscheiden und wofür sie sich jeweils eignen. Du lernst den grundlegenden Ablauf eines Machine-Learning-Projekts kennen, von der Datenaufbereitung über das Training eines Modells bis zur Bewertung der Ergebnisse, und erfährst, welche Rolle Trainings- und Testdaten dabei spielen. Anhand praxisnaher Beispiele wendest Du einfache ML-Verfahren auf eigene Datensätze an und erkennst typische Fehlerquellen wie Überanpassung oder unzureichend aufbereitete Daten. Die Schulung richtet sich an Datenanalyst:innen, Entwickler:innen und Data-Science-Einsteiger:innen, die einen fundierten Einstieg in maschinelles Lernen suchen. Nach dem Training kannst Du geeignete ML-Verfahren gezielt auswählen, eigene Modelle nachvollziehbar entwickeln und die Ergebnisse sicher in bestehende Analyseprozesse übertragen.
