LERNZIELE
- Du lernst die Klassifikation als Verfahren zur Vorhersage diskreter Werte kennen
- Du misst die Ergebnisqualität mit den Metriken Accuracy, Precision und Recall
- Du arbeitest mit Regressionsverfahren zur Vorhersage kontinuierlicher Werte
- Du befasst dich mit Zeitserien zur Ermittlung von Trends und Periodizitäten
INHALT
In diesem Kurs lernst du unterschiedliche Verfahren des überwachten Lernens kennen. Als Erstes wirst du dich mit der Klassifikation beschäftigen. Dabei geht es um die Vorhersage diskreter Werte. Das können Kategorien oder einfache Ja/Nein-Entscheidungen sein.
Du lernst verschiedene Kennzahlen (Confusion Matrix, Precision, Recall und Accuracy) kennen, um zu beurteilen, wie gut ein Algorithmus performt. Je nach Anwendungsfall ist es sinnvoll, die eine oder andere Größe zu optimieren.
Möchtest du kontinuierliche Werte vorhersagen, kannst du mit Regressionsverfahren arbeiten. Bei der Bewertung der Ergebnisqualität kommen jedoch andere Metriken, z.B. mittlerer quadratischer Fehler, zum Einsatz.
Eine Vorhersage im engeren Sinne bezieht sich häufig auf eine zeitliche Vorhersage. Auch solche Probleme kannst du mit Machine Learning effektiv lösen. Die zugrunde liegenden Daten werden als Zeitreihen bezeichnet. Mit diesen befasst du dich am Ende des Kurses.
Dieser Kurs ist Teil einer Serie zu angewandtem Machine Learning mit Python, die sich aus folgenden Teilen zusammensetzt:
- Einführung in Python und Jupyter
- Einführung in Machine Learning mit Python
- Machine Learning mit Python: Datenvorbereitung
- Unsupervised Machine Learning mit Python
- Supervised Machine Learning mit Python
- Machine Learning mit Python – ein Praxisbeispiel
ALLE LEKTIONEN IM ÜBERBLICK
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 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.
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.