Inhalt
| Inhalt |
Inhalte:
- Einführung: maschinelles Lernen im Kontext der Digitalisierung, Entscheidungen
- Modellbildung: ML-Prozess, Problemtypen, Methoden, Problemformulierung, CRISP-DM
- Wirtschaftlichkeit: Einsatzmöglichkeiten, Faktoren, Machbarkeit |
| Lernziele |
Die Studierenden erlernen Konzepte des maschinellen Lernens (Machine Learning). Sie können mit Experten kompetent kommunizieren. Sie verstehen den Machine Learning (ML) Prozess und welche Problemtypen damit gelöst werden können. Sie können Probleme so formulieren, dass der ML-Prozess angewandt werden kann. Sie kennen die wichtigsten Faktoren für die Wirtschaftlichkeit von ML-Projekten. |
| Voraussetzungen |
Programmiererfahrung (z.B. Python) von Vorteil, aber nicht zwingend notwendig. |
| Leistungsnachweis |
benotete Prüfungsleistung: Projekt Arbeit mit schriftlicher Ausarbeitung oder Präsentation |
