Zum Campus
Videokurs

Angewandtes Machine Learning mit Python

Verstehe, wie maschinelles Lernen funktioniert, und lerne die Anwendungsmöglichkeiten in der Datenanalyse anhand eines echten Projektes kennen

LERNZIELE

  • Du erlernst die Grundlagen der statistischen Datenanalyse mit Python
  • Du verstehst, was Machine Learning ist und wo seine grundsätzlichen Stärken liegen
  • Du erhältst einen Überblick über überwachte und unüberwachte Lernverfahren sowie deren Anwendung in Python
  • Du lernst die Kombination pythonbasierter Verfahren zur Datenauswertung in einem echten Projekt kennen

INHALT

Künstliche Intelligenz ist in aller Munde. Eine Teildisziplin davon ist Machine Learning, das sich als Bestandteil zahlreicher Datenanalyseprojekte fest etabliert hat und durch die Programmiersprache Python und die Bibliothek scikit-learn leicht zugänglich ist.

Zahlreiche Machine-Learning-Projekte scheitern an schlechter Datenqualität. In diesem Kurs zeigen dir die Data-Science-Experten Prof. Dr. Stefanie Scholz und Dr. Christian Winkler, wie du die Visualisierungsmöglichkeiten von Python nutzen kannst, um Daten statistisch zu analysieren und deren Qualität zu überprüfen. Darüber hinaus machst du dich mit überwachten und unüberwachten Verfahren des maschinellen Lernens vertraut und lernst, diese mit Python umzusetzen. Schließlich erfährst du, wie du diese Verfahren geschickt kombinieren kannst, um in einem echten Projekt interessante Erkenntnisse zu gewinnen.

Wenn du dich mit dem Thema Machine Learning intensiver befassen möchtest und einen praxisnahen Zugang suchst, bist du in diesem Kurs genau richtig!

ALLE LEKTIONEN IM ÜBERBLICK

Einführung in Python und Jupyter
  • Kapitelüberblick
  • Python und Jupyter als Plattform nutzen
  • Einfache Installation mit Anaconda
  • Alternative: Google Colab
  • Erste Schritte mit Jupyter/Colab
  • Überblick über Basis-Tools: Pandas
  • Überblick über Basis-Tools: Scikit-learn
  • Codequalität
  • Fortschrittsanzeige und Datentransformation
  • Visualisierung
  • Quiz: Einführung in Python und Jupyter
Einführung in Machine Learning mit Python
  • Kapitelüberblick
  • Warum Machine Learning?
  • Was ist Machine Learning?
  • Datenakquisition und Daten einladen
  • Basisdaten und Statistik
  • Regression
  • Klassifikation strukturiert
  • Klassifikation unstrukturiert
  • Unüberwachtes Lernen
  • Reinforcement Learning
  • Quiz: Einführung in Machine Learning mit Python
Datenvorbereitung und Statistik
  • Kapitelüberblick
  • Einführung
  • Daten und Datenstrukturen
  • Datenqualität (Teil 1)
  • Datenqualität (Teil 2)
  • Vektorisierung strukturiert
  • Vektorisierung unstrukturiert
  • Quiz: Datenvorbereitung und Statistik
Supervised Learning
  • Kapitelüberblick
  • Klassifikation
  • Erfolgsmetriken
  • Regression
  • Multi-Regression
  • Zeitreihen
  • Quiz: Supervised Learning
Unsupervised Learning
  • Kapitelüberblick
  • Dimensionsreduktion
  • Dimensionsreduktion und Datenvisualisierung
  • Clustering
  • Topic-Modelle
  • Performance-Metriken
  • Quiz: Unsupervised Learning
Beispielprojekt: Kombination der Machine-Learning-Verfahren
  • Kapitelüberblick
  • Vorstellung des Use Case
  • Soziale Netzwerke
  • Download
  • Klassifizierung
  • Statistik (Teil 1)
  • Statistik (Teil 2)
  • Statistik (Teil 3)
  • Topic Modeling (Teil 1)
  • Topic Modeling (Teil 2)
  • Sentiment-Analyse
  • Trendvorhersage: Metadaten
  • Trendvorhersage: Topics
  • Quiz: Kombination der Machine-Learning-Verfahren

SO LERNST DU MIT DIESEM KURS

In den Videokursen der heise academy lernst du IT-Themen anschaulich und verständlich. Du siehst den Experten bei der praktischen Arbeit zu und lässt dir dabei alles genau erklären. Das Wissen ist in kompakte Lerneinheiten unterteilt, sodass du den Kurs Schritt für Schritt durcharbeiten oder gezielt zu Lektionen springen kannst, die dich interessieren. Die persönliche Lernumgebung der heise academy hält viele Funktionen für dich bereit, die dich beim Lernen unterstützen:

  • Flexibler Videoplayer mit vielen Steuerungsmöglichkeiten
  • Wissensquiz zur Lernkontrolle
  • Lernhistorie und Lernfortschritt
  • Lesezeichen und Notizen
  • Volltextsuche in den Videos
  • Übungsmaterial zum Mitmachen
  • Responsive Web-App und Videostreaming für alle Endgeräte

TECHNISCHE VORAUSSETZUNGEN

Für diesen Videokurs wird lediglich ein aktueller Browser (mit eingeschalteter JavaScript-Funktionalität) und eine Internetverbindung benötigt.

DEIN EXPERTE

Prof. Dr. Christian Winkler
Gründer von datanizing und Professor für User Experience | datanizing GmbH

Prof. Dr. Christian Winkler ist Co-Gründer der datanizing GmbH und beschäftigt sich seit 20 Jahren mit künstlicher Intelligenz, speziell mit der automatisierten Analyse natürlich-sprachiger Texte (Natural Language Processing). Er forscht und publiziert zu diesem Thema und ist regelmäßig Sprecher auf Machine-Learning-Konferenzen. Als Professor an der TH Nürnberg konzentriert er sich bei seiner Forschung auf die Optimierung von User Experience mithilfe moderner Verfahren.

Prof. Dr. Stefanie Scholz
Professorin für Data Science | Hochschule Ansbach

Nach ihrer Tätigkeit als Bereichsleiterin für Marketing und Vertrieb befasst sich Stefanie Scholz mit KI-gestützter Datenanalyse. Neben Data-Driven Marketing und Advanced Analytics steht der praktische Anwendungsbezug verschiedener Machine-Learning-Verfahren für Unternehmen im Fokus ihrer Aktivitäten. Als Professorin für Data Science an der Hochschule Ansbach setzt sich Stefanie Scholz zudem aktiv für die Implementierung und Förderung von Datenkompetenzen in unterschiedlichen Institutionen ein.

Angewandtes Machine Learning mit Python

Veröffentlicht am 13.12.2025
ab 49,00 €
im
ESSENTIAL PASS
oder 195,00 € im Einzelkauf
inkl. MwSt. | 163,87 € netto
Preise und Pakete vergleichen

Du hast Fragen zu unseren academy Videokursen? Wir helfen dir gerne weiter.

Fülle ganz einfach und bequem das Kontaktformular aus und wir werden deine Fragen schnellstmöglich beantworten.

Kontaktformular