Kontakt aufnehmen

Schulungsübersicht

Einführung

  • Definition von Predictive AI
  • Historischer Kontext und Entwicklung der prädiktiven Analytik
  • Grundprinzipien des maschinellen Lernens und Data Mining

Datenerfassung und Vorverarbeitung

  • Sammlung relevanter Daten
  • Bereinigung und Aufbereitung der Daten für die Analyse
  • Verständnis von Datentypen und -quellen

Explorative Datenanalyse (EDA)

  • Visualisierung der Daten zur Gewinnung von Erkenntnissen
  • Deskriptive Statistik und Datenzusammenfassung
  • Identifikation von Mustern und Zusammenhängen in den Daten

Statistische Modellierung

  • Grundlagen der statistischen Inferenz
  • Regressionsanalyse
  • Klassifikationsmodelle

Algorithmen des maschinellen Lernens für die Vorhersage

  • Überblick über überwachte Lernalgorithmen
  • Entscheidungsbäume und Random Forests
  • Grundlagen neuronaler Netze und Deep Learning

Modellbewertung und -auswahl

  • Verständnis von Modelligenauigkeit und Leistungskennzahlen
  • Kreuzvalidierungstechniken
  • Overfitting und Modelloptimierung

Praktische Anwendungen von Predictive AI

  • Fallstudien aus verschiedenen Branchen
  • Ethische Aspekte bei der prädiktiven Modellierung
  • Grenzen und Herausforderungen von Predictive AI

Praktisches Projekt

  • Arbeit mit einem Datensatz zur Erstellung eines Vorhersagemodells
  • Anwendung des Modells zur Vorhersage
  • Bewertung und Interpretation der Ergebnisse

Zusammenfassung und weitere Schritte

Voraussetzungen

  • Grundkenntnisse in Statistik
  • Erfahrung mit einer beliebigen Programmiersprache
  • Vertrautheit mit Datenverarbeitung und Tabellenkalkulation
  • Keine Vorkenntnisse in KI oder Data Science erforderlich

Zielgruppe

  • IT-Fachleute
  • Datenanalysten
  • Technisches Personal
 21 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Erfahrungsberichte (3)

Kommende Kurse

Verwandte Kategorien