Detaillierte Informationen zum Seminar
Inhalte:
- Lineare Regression und Machine-Learning-Workflow
- Datenvorverarbeitung & Regularisierung
- Logistische Regression mit ROC-Analyse
- Decision-Tree-Klassifikator
- Hyperparameter-Optimierung
- Clustering-Algorithmen (k-Means, DBSCAN)
- Hauptkomponentenanalyse zur Dimensionsreduktion
Jedes Modul enthält Video-Inhalte und Multiple-Choice-Tests.
Dauer/zeitlicher Ablauf:
ca. 3,5 Std. Lerninhalt (Selbstlernkurs), 6 Monate Zugriff auf die Kursinhalte
Ziele/Bildungsabschluss:
Kompakter, praxisnaher Einstieg in zentrale ML-Verfahren mit direktem Praxisbezug; ideal zur gezielten Vertiefung neben oder nach einem Data-Analyst-Programm. Trägerinternes Zertifikat
Teilnahmevoraussetzungen:
Fortgeschrittenes Niveau; richtet sich an Lernende mit ersten Grundkenntnissen in Datenanalyse/Python, die gezielt in Machine Learning einsteigen möchten. Spezifische Vorkenntnisse werden auf der Produktseite nicht als Pflicht genannt.
Technische Voraussetzungen:
Computer mit aktuellem Browser, stabile Internetverbindung.
Lehrgangsverlauf/Methoden:
Selbstlernkurs (On-Demand-Video), Zugriff und Bearbeitung in freier Zeiteinteilung über die DataSmart Point Academy-Plattform.
Material:
Video-Lektionen, Wissenstests/Quiz, Zugang zur DataSmart Point Academy-Plattform (dsp-academy.org).
Förderung:
Keine öffentliche Förderung/Bildungsgutschein für dieses Einzelmodul vorgesehen. keine
Zielgruppe:
Fortgeschrittenes Niveau; richtet sich an Lernende mit ersten Grundkenntnissen in Datenanalyse/Python, die gezielt in Machine Learning einsteigen möchten.
Seminarkennung:
DSP-EL-KIML
