Machine Learning
Ein praxisorientierter Kurs, der den vollständigen Arbeitsablauf im Machine Learning abdeckt, von den Daten bis zum einsatzfähigen Modell. Nach einer Einführung in moderne KI- und Machine-Learning-Verfahren und die Bibliothek scikit-learn geht es um Datenqualität, Vorverarbeitung, Skalierung, Kodierung und die Auswahl geeigneter Merkmale. Im Bereich überwachtes Lernen werden Regression und Klassifikation mit Ensemble- und Boosting-Verfahren behandelt, ergänzt um Evaluationsmetriken, Feature Importance und Ansätze der erklärbaren KI. Das unüberwachte Lernen umfasst Clusterverfahren und Anomalieerkennung, ein eigener Block widmet sich Zeitreihenanalyse und Prognosen. Darauf aufbauend werden die Grundlagen von Deep Learning, Natural Language Processing, Foundation Models und großen Sprachmodellen sowie generativer KI vorgestellt. Zum Abschluss lernen die Teilnehmenden, Modelle zu speichern, bereitzustellen und in einfache Anwendungen und Schnittstellen einzubinden; eine Projektarbeit verbindet die Inhalte.
Letzte Aktualisierung:
Daten aus dem öffentlichen Datenbestand der Bundesagentur für Arbeit.