Alle
0
Mediathek
0
Berufe
0
Beiträge
0
Veranstaltungen
0
Berufsschulen
0
Rahmenlehrpläne
0
Interaktion: Bildklassifikation und Bildsegmentierung | 09 | U-Net Architektur (Aufgabe 1)
Mediathek
Bildklassifikation und Bildsegmentierung | 09 | U-Net Architektur (Aufgabe 1)
Diese Aufgabe dient als Vertiefung zum Video "U-Net Architektur" aus der Sektion “Bildklassifikation und Bildsegmentierung”.
Interaktion
Video: Generative Modelle | 06 | Model Collapse (MP4)
Mediathek
Generative Modelle | 06 | Model Collapse (MP4)
Generative Modelle benötigen sehr viele Trainingsdaten, deshalb kommen oft künstlich erstellte Daten zum Einsatz. Warum das zu Problemen führen kann
Video
Interaktion: Bildklassifikation und Bildsegmentierung | 05 | Anordnung der Neuronen in CNNs (Aufbau 2)
Mediathek
Bildklassifikation und Bildsegmentierung | 05 | Anordnung der Neuronen in CNNs (Aufbau 2)
Diese Aufgabe dient als Vertiefung zum Video "Anordnung der Neuronen in CNNs" aus der Sektion “Bildklassifikation und Bildsegmentierung”.
Interaktion
Interaktion: Bildklassifikation und Bildsegmentierung | 05 | Anordnung der Neuronen in CNNs (Aufbau 1)
Mediathek
Bildklassifikation und Bildsegmentierung | 05 | Anordnung der Neuronen in CNNs (Aufbau 1)
Diese Aufgabe dient als Vertiefung zum Video "Anordnung der Neuronen in CNNs" aus der Sektion “Bildklassifikation und Bildsegmentierung”.
Interaktion
Interaktion: Datenbeschaffung und -aufbereitung | 03 | Einführung in die Wahrscheinlichkeitstheorie (Aufgabe 4)
Mediathek
Datenbeschaffung und -aufbereitung | 03 | Einführung in die Wahrscheinlichkeitstheorie (Aufgabe 4)
Diese Aufgabe dient als Vertiefung zum Video "Einführung in die Wahrscheinlichkeitstheorie" aus der Sektion “Datenbeschaffung und -aufbereitung”.
Interaktion
Interaktion: Datenbeschaffung und -aufbereitung | 03 | Einführung in die Wahrscheinlichkeitstheorie (Aufgabe 3)
Mediathek
Datenbeschaffung und -aufbereitung | 03 | Einführung in die Wahrscheinlichkeitstheorie (Aufgabe 3)
Diese Aufgabe dient als Vertiefung zum Video "Einführung in die Wahrscheinlichkeitstheorie" aus der Sektion “Datenbeschaffung und -aufbereitung”.
Interaktion
Interaktion: Datenbeschaffung und -aufbereitung | 03 | Einführung in die Wahrscheinlichkeitstheorie (Aufgabe 2)
Mediathek
Datenbeschaffung und -aufbereitung | 03 | Einführung in die Wahrscheinlichkeitstheorie (Aufgabe 2)
Diese Aufgabe dient als Vertiefung zum Video "Einführung in die Wahrscheinlichkeitstheorie" aus der Sektion “Datenbeschaffung und -aufbereitung”.
Interaktion
Interaktion: Datenbeschaffung und -aufbereitung | 03 | Einführung in die Wahrscheinlichkeitstheorie (Aufgabe 1)
Mediathek
Datenbeschaffung und -aufbereitung | 03 | Einführung in die Wahrscheinlichkeitstheorie (Aufgabe 1)
Diese Aufgabe dient als Vertiefung zum Video "Einführung in die Wahrscheinlichkeitstheorie" aus der Sektion “Datenbeschaffung und -aufbereitung”.
Interaktion
Interaktion: Prognosemodelle: Klassifikation und Regression | 02 | Verfahren der (cross-) validation (Aufgabe 1)
Mediathek
Prognosemodelle: Klassifikation und Regression | 02 | Verfahren der (cross-) validation (Aufgabe 1)
Diese Aufgabe dient als Vertiefung zum Video "Verfahren der (cross-) validation" aus der Sektion “Prognosemodelle: Klassifikation und Regression”.
Interaktion
Interaktion: Prognosemodelle: Klassifikation und Regression | 02 | Verfahren der (cross-) validation (Aufgabe 2)
Mediathek
Prognosemodelle: Klassifikation und Regression | 02 | Verfahren der (cross-) validation (Aufgabe 2)
Diese Aufgabe dient als Vertiefung zum Video "Verfahren der (cross-) validation" aus der Sektion “Prognosemodelle: Klassifikation und Regression”.
Interaktion
Interaktion: Prognosemodelle: Klassifikation und Regression | 02 | Verfahren der (cross-) validation (Aufgabe 3)
Mediathek
Prognosemodelle: Klassifikation und Regression | 02 | Verfahren der (cross-) validation (Aufgabe 3)
Diese Aufgabe dient als Vertiefung zum Video "Verfahren der (cross-) validation" aus der Sektion “Prognosemodelle: Klassifikation und Regression”.
Interaktion
Interaktion: Prognosemodelle: Klassifikation und Regression | 02 | Verfahren der (cross-) validation (Aufgabe 4)
Mediathek
Prognosemodelle: Klassifikation und Regression | 02 | Verfahren der (cross-) validation (Aufgabe 4)
Diese Aufgabe dient als Vertiefung zum Video "Verfahren der (cross-) validation" aus der Sektion “Prognosemodelle: Klassifikation und Regression”.
Interaktion
Kartenausschnitt:
Berufsschule
Berufsbildenden Schulen der Stadt Oldenburg

Ammerländer Heerstraße 33‐39
26129 Oldenburg
Kartenausschnitt:
Berufsschule
Friedrich-Albert-Lange-Berufskolleg Duisburg

Carstanjenstraße 10
47057 Duisburg
Kartenausschnitt:
Berufsschule
BS 14 - Berufliche Schule ITECH Elbinsel Wilhelmsburg

Dratelnstraße 26
21109 Hamburg
Interaktion: Woche 14 | Ethik | Generative Modelle und die ethischen und rechtlichen Herausforderungen (Aufgabe 1)
Mediathek
Woche 14 | Ethik | Generative Modelle und die ethischen und rechtlichen Herausforderungen (Aufgabe 1)
Diese Aufgabe dient als Vertiefung zum Video "Generative Modelle und die ethischen und rechtlichen Herausforderungen" aus Woche 14.
Interaktion
Video: Woche 9 | Theorie | k-means Clustering (MP4)
Mediathek
Woche 9 | Theorie | k-means Clustering (MP4)
In diesem Video beschreiben wir, was eigentlich Clustering ist. Zudem stellen wir ein beliebtes Clustering-Verfahren aus dem unsupervised learning vor
Video
Kurs: Woche 6 | Programmierung | Lineare Regression mit Scikit-learn (PDF)
Mediathek
Woche 6 | Programmierung | Lineare Regression mit Scikit-learn (PDF)
In diesem Video-Transkript lernst du die lineare Regression in der Programmierung kennen. Du siehst, wie in Python mit dem Modul Scikit-Learn ein
Kurs

Als Anwendung installieren

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

Abbrechen