Einführung in maschinelles Lernen und KI in der Datenwissenschaft
- Verständnis der wesentlichen Konzepte von maschinellem Lernen und Künstlicher Intelligenz (KI) in der Datenwissenschaft
- Erkundung der Rolle von Python innerhalb der Datenwissenschaft und dessen Anwendung für maschinelles Lernen
- Essenzielle Begriffe: überwachtes, unüberwachtes und bestärkendes Lernen
Python-Tools für Datenwissenschaft und maschinelles Lernen
- Einführung in wichtige Python-Bibliotheken für die Datenwissenschaft: Pandas, NumPy und Matplotlib
- Datenvorbereitung mit Python für Maschinenlernmodelle
- Effizientes Verfassen von Python-Code für die Datenverarbeitung und -visualisierung
Modelle für maschinelles Lernen mithilfe von Python
- Anleitung zur Erstellung und dem Training von Maschinenlernmodellen in Python
- Nutzung von scikit-learn für Klassifizierungs-, Regressions- und Clustering-Algorithmen
- Evaluierung und Feinabstimmung von Modellen mit Python-Werkzeugen
Eingliederung von KI in Python-Workflows
- Einbindung von KI-Techniken, wie neuronale Netze und Deep Learning, mit Python
- Praktisches Arbeiten mit TensorFlow, Keras und weiteren KI-Bibliotheken
- Entwicklung und Einsatz KI-gesteuerter Lösungen für praxisnahe Aufgaben
Anwendungen und Projekte in der Datenwissenschaft
- Praktische Beispiele für Python-basiertes maschinelles Lernen in diversen Sektoren
- Endprojekt: Nutzung von ML-Modellen auf einem Datensatz und Darstellung der Resultate
- Beste Praktiken zur Kombination von Python und KI für wirkungsvolle datenwissenschaftliche Verfahren