Überblick#
Die Vorlesung bietet interessierten Teilnehmern eine umfassende Einführung in die Techniken der Datenanalyse und des maschinellen Lernens. Vermittelt werden Wissen über Prozesse zum Datenmanagement, Verständnis von Datenanalyseprozessen und verschiedene Modellarten des maschinellen Lernens. Im Fordergrund steht dabei die Ausbildung praktischer Fähigkeiten zur Analyse von Daten und zur Nutzung von Maschinellen Lernens.
Der Kurs gliedert sich die folgenden Teile:
Grundlagen: Bietet eine Einführung in die Hintergründe von Maschinellem Lernen und in relevante Python Bibliotheken.
Supervised Learning: Diskutiert verschiedene Modelle des überwachten Lernens vor.
Unsupervised Learning: Diskutiert Ansätze des unüberwachten Lernens.
Neuronal- und Reinforcement Learning: Thematisiert die Grundlagen von Neuronalen Netzwerken und verstärkendem Lernens.
Herausforderungen: Diskutiert verschiedene Herausforderungen im Bereich des Maschinellem Lernens