In diesem Kurs werden praxisnahe Fähigkeiten zum eigenständigen Aufbau und zur Interpretation von Machine Learning-Modellen unter Berücksichtigung datenethischer Aspekte vermittelt.
Kursinhalt1. Einführung in Machine Learning & KI- Grundlagen des Machine Learning
- Überblick über Künstliche Intelligenz
2. Klassifikation, Regression, Clustering
- Konzepte der Klassifikation
- Einführung in Regression und Clustering
3. Modellbewertung & Visualisierung
- Methoden zur Bewertung von Modellen
- Techniken zur Visualisierung von Ergebnissen
4. Arbeiten mit scikit-learn, pandas, NumPy
- Nutzung von scikit-learn für ML-Modelle
- Datenverarbeitung mit pandas und NumPy
5. ESG-Datenanalyse mit Nachhaltigkeitsbezug
- Analyse von ESG-Daten
- Bedeutung der Nachhaltigkeit in der Datenanalyse