Kursziele zu Datenanalyse und Regressionsprojekten
- Entwickeln Sie ein fundiertes Verständnis in Datenanalyse und Regressionstechniken
- Erfahren Sie praxisorientierte Ansätze zur Anwendung auf reale Daten
- Statistische Modellierung und prädiktive Analysen meistern
Grundlagen der Datenanalyse
- Erkunden Sie die Hauptkonzepte der Datenanalyse
- Lernen Sie über Datenvorverarbeitung und Merkmalsselektion
- Entdecken Sie datengestützte Methoden für Entscheidungen
Regressionsmethoden verstehen
- Vertiefen Sie Kenntnisse in linearen und logistischen Regressionsmodellen
- Kommen Sie in Berührung mit Korrelation und Kausalität
- Diskutieren Sie statistische Signifikanz in Regression
Fortgeschrittene Regressionstechniken erwerben
- Vertiefen Sie Ihr Wissen über multiple lineare und Polynomregressionsmodelle
- Nutzen Sie Ridge- und Lasso-Regression
- Verstehen Sie das Bias-Varianz-Dilemma
Maschinelles Lernen für Regressionsanalysen
- Nehmen Sie Entscheidungsbaum- und Random-Forest-Regressionen unter die Lupe
- Implementieren Sie leistungsstarke Methoden wie XGBoost
- Verfeinern Sie Modelle durch Hyperparameter-Tuning
Visualisierung in der Regressionsanalyse
- Nutzen Sie Matplotlib und Seaborn für visuelle Analysen
- Gestalten Sie Grafiken wie Streu- und Histogramme
- Gewinnen Sie durch visuelle Mittel tiefere Dateninsichten
Regressionsleistung evaluieren
- Bewerten Sie anhand von R-Quadrat und MAE
- Erfahren Sie mit Problemen von Überanpassung umzugehen
- Vergleichen Sie Regressionsmodelle mit Benchmarks
Praktische Anwendung von Datenanalyseprojekten
- Bearbeiten Sie echte Regressionsprojekte
- Erstellen Sie Vorhersagemodelle mit Python und ML-Bibliotheken
- Entwickeln Sie umfassende Workflows für Geschäftsanwendungen