Die Weiterbildung „Überwachtes Lernen in ML und Datenanalyse“ richtet sich an Fachkräfte im Bereich Machine Learning, die ihre Kenntnisse in der Anwendung von überwachten Lernmethoden erweitern möchten. Ziel der Maßnahme ist es, den Teilnehmenden die grundlegenden Techniken des überwachten Lernens näherzubringen und deren Anwendung auf reale Datenanalyseprobleme zu vermitteln.

Modul 1: Einführung in Überwachtes Lernen

• Grundlagen des überwachten Lernens und die Unterschiede zu anderen Lernmethoden

• Datenvorbereitung für überwachtes Lernen: Feature Engineering und Labeling

• Einführung in Klassifikations- und Regressionsalgorithmen

Modul 2: Klassifikationsmodelle

• Anwendung von Klassifikationsalgorithmen wie logistische Regression und Random Forest

• Evaluierung von Klassifikationsmodellen mit Metriken wie Accuracy, Precision, Recall und F1-Score

• Hyperparameter-Tuning und Optimierung von Klassifikationsmodellen

Modul 3: Regressionsmodelle

• Einsatz von Regressionsmodellen wie lineare Regression und Entscheidungsbäume

• Evaluierung von Regressionsmodellen mit Metriken wie MSE und R²

• Optimierung von Regressionsmodellen für Vorhersagegenauigkeit

Nach Abschluss der Weiterbildung sind die Teilnehmenden in der Lage, überwachte Lernalgorithmen anzuwenden, um Klassifikations- und Regressionsprobleme zu lösen und deren Leistung zu optimieren.