Seminarkatalog

Teil 1: Mathematische Grundlagen für Machine Learning (ML)

Abschnitt 4: Mathe Essentials

• Lineare Algebra Grundlagen
• Statistik: Mittelwert, Varianz, Korrelation
• Wahrscheinlichkeiten

Abschnitt 5: Funktionen und Visualisierung

• Matplotlib & Seaborn
• Numpy
• Pandas: Datenanalyse

Teil 2: Machine Learning Grundlagen

Abschnitt 6: Einführung in ML

• Was ist ML?
• Grundbegriffe

Abschnitt 7: Klassische ML-Algorithmen

• K-Nearest Neighbors (KNN)
• Lineare Regression
• Polynomiale Regression
• Entscheidungsbäume

Abschnitt 8: Modelloptimierung

• Fehlerfunktionen
• Overfitting und Underfitting

Abschnitt 9: Arbeiten mit scikit-learn, Pipelines, Evaluation

Hinweis

Dieser Kurs ist gleichzeitig der zweite Teil des 5-tägigen Seminars Einführung in Python und Machine-Learning

Der Vorgängerkurs Einführung in Python kann separat gebucht werden,
kostengünstiger ist die Buchung im Paket.

• Grundverständnis von Mathematik (Schulniveau)
• Python-Kenntnisse entsprechend unserem Kurs Einführung in Python
• Eigenes Notebook mit installierter Python-Umgebung (Anleitung wird bereitgestellt)

Dieses Seminar richtet sich an:

• Technisch interessierte Berufstätige (z. B. Ingenieure, Analysten, Entwickler)
• Studierende technischer und naturwissenschaftlicher Fächer
• Quereinsteiger:innen im Bereich Data Science

B