Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Schulungsübersicht
Einführung
- Definition der prädiktiven KI
- Historischer Kontext und Entwicklung der prädiktiven Analytik
- Grundprinzipien des maschinellen Lernens und des Data Mining
Datenerfassung und Vorverarbeitung
- Sammeln relevanter Daten
- Bereinigung und Vorbereitung von Daten für die Analyse
- Verstehen von Datentypen und -quellen
Erkundung Data Analysis (EDA)
- Visualisierung von Daten zur Gewinnung von Erkenntnissen
- Deskriptive Statistik und Datenzusammenfassung
- Erkennen von Mustern und Beziehungen in Daten
Statistische Modellierung
- Grundlagen der statistischen Inferenz
- Regressionsanalyse
- Klassifikationsmodelle
Machine Learning Algorithmen für die Vorhersage
- Überblick über überwachte Lernalgorithmen
- Entscheidungsbäume und Zufallswälder
- Neuronale Netze und Grundlagen des Deep Learning
Modellbewertung und -auswahl
- Verständnis von Modellgenauigkeit und Leistungsmetriken
- Techniken der Kreuzvalidierung
- Überanpassung und Modellabstimmung
Praktische Anwendungen von Predictive AI
- Fallstudien aus verschiedenen Branchen
- Ethische Überlegungen bei der prädiktiven Modellierung
- Grenzen und Herausforderungen der prädiktiven KI
Praktisches Projekt
- Arbeiten mit einem Datensatz zur Erstellung eines Vorhersagemodells
- Anwendung des Modells zur Erstellung von Vorhersagen
- Bewerten und Interpretieren der Ergebnisse
Zusammenfassung und nächste Schritte
Voraussetzungen
- Grundlegende Kenntnisse der Statistik
- Erfahrung mit einer beliebigen Programmiersprache
- Vertrautheit mit dem Umgang mit Daten und Tabellenkalkulationen
- Keine Vorkenntnisse in KI oder Datenwissenschaft erforderlich
Zielgruppe
- IT-Fachleute
- Datenanalysten
- Technisches Personal
21 Stunden
