Datenbeschaffung und -aufbereitung | 01 | Einführung (PDF)

Die Qualität von Machine-Learning-Modellen steht und fällt mit den Daten. Daher beschäftigen wir uns in diesem Themenbereich ausschließlich mit Fragen rund um das Thema Daten. Als erstes befassen wir uns mit der Datenbeschaffung. Wo bekommen wir überhaupt (hochwertige) Daten her? Mit welchen rechtlichen Vorgaben sollte jeder vertraut sein, der Daten sammelt und verarbeitet? Weiter geht es mit der Datenexploration. Hier beschäftigen wir uns mit einigen mathematischen und statistischen Grundlagen, bevor wir uns dann mit dem erworbenen Wissen unsere Daten einmal ganz genau ansehen. Zum Schluss kommt dann der mit Abstand zeitaufwändigste Schritt: Das Feature Engineering. Unter Feature Engineering verstehen wir alle Schritte bei der Datenaufbereitung, bei der Daten verändert werden. Normalisierung, Biaserkennung und Dimensionsreduktion: Hier findest du eine Übersicht über viele relevante Techniken, um deine Daten fit fürs Training zu bekommen!