Kontakt aufnehmen

Schulungsübersicht

Einführung

  • Definition von Predictive AI
  • Historischer Hintergrund und Entwicklung der prädiktiven Analyse
  • Grundlagen von Machine Learning und Data Mining

Datensammlung und -vorbereitung

  • 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
  • Identifizierung von Mustern und Zusammenhängen in den Daten

Statistische Modellierung

  • Grundlagen der statistischen Inferenz
  • Regressionsanalyse
  • Klassifikationsmodelle

Machine-Learning-Algorithmen für Vorhersagen

  • Überblick über überwachte Lernalgorithmen
  • Entscheidungsbäume und Random Forests
  • Grundlagen von neuronalen Netzen und Deep Learning

Modellbewertung und -auswahl

  • Verständnis von Modellgenauigkeit und Leistungsmetriken
  • Techniken der Kreuzvalidierung
  • Overfitting und Modell-Tuning

Praktische Anwendungen von Predictive AI

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

Praxisprojekt

  • Arbeit mit einem Datensatz zur Erstellung eines prädiktiven Modells
  • Anwendung des Modells für Vorhersagen
  • Bewertung und Interpretation der Ergebnisse

Zusammenfassung und Ausblick

Voraussetzungen

  • Grundlegende Kenntnisse der Statistik
  • Erfahrung in mindestens einer Programmiersprache
  • Vertrautheit mit Datenverarbeitung und Tabellenkalkulation
  • Keine Vorkenntnisse in KI oder Data Science erforderlich

Zielgruppe

  • IT-Fachkräfte
  • Datenanalysten
  • Technisches Personal
 21 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Erfahrungsberichte (3)

Kommende Kurse

Verwandte Kategorien