Suche | HubbS - Der Hub für berufliche Schulen

Veranstaltungen

Rahmenlehrpläne

Kurs: Woche 5 | Theorie | Überwachtes Lernen (PDF)

Woche 5 | Theorie | Überwachtes Lernen (PDF)

In diesem Video-Transkript geht es intensiver um das Überwachte Lernen. Wir schauen uns an, wie beim so genannten Training aus Input-Output-Paaren

Video: Prognosemodelle: Klassifikation und Regression | 04 | Auswahlkriterien für ein Verfahren (MP4)

Prognosemodelle: Klassifikation und Regression | 04 | Auswahlkriterien für ein Verfahren (MP4)

Du hast nun einen Überblick über die Lern- und Problemtypen und kennst verschiedene Verfahren des überwachten maschinellen Lernens. Aber wie wählt man

Kurs: Prognosemodelle: Klassifikation und Regression | 04 | Auswahlkriterien für ein Verfahren (PDF)

Prognosemodelle: Klassifikation und Regression | 04 | Auswahlkriterien für ein Verfahren (PDF)

Du hast nun einen Überblick über die Lern- und Problemtypen und kennst verschiedene Verfahren des überwachten maschinellen Lernens. Aber wie wählt man

Kurs: Prognosemodelle: Klassifikation und Regression | 05 | Datenexploration (PDF)

Prognosemodelle: Klassifikation und Regression | 05 | Datenexploration (PDF)

Du kennst nun einen konkreten, realen Datensatz zur Prognose von Studienabbrüchen, mit welchem wir uns nun in diesem Video-Transkript intensiver

Video: Prognosemodelle: Klassifikation und Regression | 05 | Datenexploration (MP4)

Prognosemodelle: Klassifikation und Regression | 05 | Datenexploration (MP4)

Du kennst nun einen konkreten, realen Datensatz zur Prognose von Studienabbrüchen, mit welchem wir uns nun in diesem Video intensiver beschäftigen

Video: Prognosemodelle: Klassifikation und Regression | 07 | Weitere Anwendungsmöglichkeiten von Prognosemodellen (MP4)

Prognosemodelle: Klassifikation und Regression | 07 | Weitere Anwendungsmöglichkeiten von Prognosemodellen (MP4)

Bisher haben wir uns ausschließlich mit der Prognose von Studienabbrüchen beschäftigt, um die verschiedenen Verfahren des maschinellen Lernens, der

Kurs: Prognosemodelle: Klassifikation und Regression | 07 | Weitere Anwendungsmöglichkeiten von Prognosemodellen (PDF)

Prognosemodelle: Klassifikation und Regression | 07 | Weitere Anwendungsmöglichkeiten von Prognosemodellen (PDF)

Bisher haben wir uns ausschließlich mit der Prognose von Studienabbrüchen beschäftigt, um die verschiedenen Verfahren des maschinellen Lernens, der

Kurs: Woche 3 | Ethik | Automatisierte Entscheidungen und Datendiskriminierung (PDF)

Woche 3 | Ethik | Automatisierte Entscheidungen und Datendiskriminierung (PDF)

KI hilft uns in vielen wichtigen Bereichen mit großen Datenmengen zurechtzukommen. Gleichzeitig werden aber leider auch immer mehr diskriminierende

Interaktion: Mensch-KI-Interaktion | 03 | Interaktion mit KI (Aufgabe 2)

Mensch-KI-Interaktion | 03 | Interaktion mit KI (Aufgabe 2)

Diese Aufgabe dient als Vertiefung zum Video "Interaktion mit KI" aus der Sektion “Mensch-KI-Interaktion”.

Interaktion: Mensch-KI-Interaktion | 03 | Interaktion mit KI (Aufgabe 1)

Mensch-KI-Interaktion | 03 | Interaktion mit KI (Aufgabe 1)

Diese Aufgabe dient als Vertiefung zum Video "Interaktion mit KI" aus der Sektion “Mensch-KI-Interaktion”.

Interaktion: Woche 10 | Theorie | Neuronale Netzwerke und die Mathe (Aufgabe 3)

Woche 10 | Theorie | Neuronale Netzwerke und die Mathe (Aufgabe 3)

Diese Aufgabe dient als Vertiefung zum Video "Neuronale Netzwerke und die Mathe" aus Woche 10.

Interaktion: Woche 10 | Theorie | Neuronale Netzwerke und die Mathe (Aufgabe 2)

Woche 10 | Theorie | Neuronale Netzwerke und die Mathe (Aufgabe 2)

Diese Aufgabe dient als Vertiefung zum Video "Neuronale Netzwerke und die Mathe" aus Woche 10.

Interaktion: Woche 10 | Theorie | Neuronale Netzwerke und die Mathe (Aufgabe 1)

Woche 10 | Theorie | Neuronale Netzwerke und die Mathe (Aufgabe 1)

Diese Aufgabe dient als Vertiefung zum Video "Neuronale Netzwerke und die Mathe" aus Woche 10.

Video: Woche 10 | Theorie | Neuronale Netzwerke und die Mathe (MP4)

Woche 10 | Theorie | Neuronale Netzwerke und die Mathe (MP4)

In diesem Video fokussieren wir uns darauf, wie sich ein Neuron mit Hilfe von Weights, Bias und Aktivierungsfunktion berechnet.

Interaktion: Woche 14 | Anwendungsbeispiele | Generative Modelle in der Praxis (Aufgabe 2)

Woche 14 | Anwendungsbeispiele | Generative Modelle in der Praxis (Aufgabe 2)

Diese Aufgabe dient als Vertiefung zum Video "Generative Modelle in der Praxis" aus Woche 14.

Interaktion: Woche 14 | Anwendungsbeispiele | Generative Modelle in der Praxis (Aufgabe 1)

Woche 14 | Anwendungsbeispiele | Generative Modelle in der Praxis (Aufgabe 1)

Diese Aufgabe dient als Vertiefung zum Video "Generative Modelle in der Praxis" aus Woche 14.

Interaktion: Woche 6 | Daten | Unter- und Überanpassung (Aufgabe 3)

Woche 6 | Daten | Unter- und Überanpassung (Aufgabe 3)

Diese Aufgabe dient als Vertiefung zum Video "Unter- und Überanpassung" aus Woche 6.

Interaktion: Woche 6 | Daten | Unter- und Überanpassung (Aufgabe 2)

Woche 6 | Daten | Unter- und Überanpassung (Aufgabe 2)

Diese Aufgabe dient als Vertiefung zum Video "Unter- und Überanpassung" aus Woche 6.

Als Anwendung installieren

Installieren Sie HubbS als App für ein besseres Nutzungserlebnis. Mehr erfahren.

Abbrechen