Suche | HubbS - Der Hub für berufliche Schulen

Veranstaltungen

Rahmenlehrpläne

Interaktion: Woche 11 | Recht | Das Recht auf informationelle Selbstbestimmung (Aufgabe 1)

Woche 11 | Recht | Das Recht auf informationelle Selbstbestimmung (Aufgabe 1)

Diese Aufgabe dient als Vertiefung zum Video "Das Recht auf informationelle Selbstbestimmung" aus Woche 11.

Kurs: Woche 3 | Daten | Datenqualität (PDF)

Woche 3 | Daten | Datenqualität (PDF)

In diesem Video-Transkript wird dir die Wichtigkeit der Datenqualität verdeutlicht. Du lernst, welchen Zusammenhang es zwischen der Qualität deiner

Video: Woche 4 | Programmierung | Statistik mit SciPy (MP4)

Woche 4 | Programmierung | Statistik mit SciPy (MP4)

In diesem Video tauchst du auch beim Programmieren in die Statistik ein. Du lernst, wichtige statistische Kennzahlen in Python zu berechnen. Dafür

Text: Künstliche Intelligenz in der Berufsbildung (Auswahlbibliografie)

Künstliche Intelligenz in der Berufsbildung (Auswahlbibliografie)

Die Auswahlbibliografie zur Künstlichen Intelligenz ist aus dem VET Repository des BIBB zusammengestellt worden und beinhaltet chronologisch

Interaktion: Clustering: vom Sortieren bis zum Explorieren | 05 | Clustering vs. Klassifikation (Aufgabe 1)

Clustering: vom Sortieren bis zum Explorieren | 05 | Clustering vs. Klassifikation (Aufgabe 1)

Diese Aufgabe dient als Vertiefung zum Video "Clustering vs. Klassifikation" aus der Sektion “Clustering: vom Sortieren bis zum Explorieren”.

Kurs: Woche 12 | Programmierung | Topic Modeling mit scikit-learn (PDF)

Woche 12 | Programmierung | Topic Modeling mit scikit-learn (PDF)

In diesem Video-Transkript zeigen wir dir, wie du mit dem Clustering-Verfahren KMeans ein Topic Model erstellen kannst. Der Fokus liegt dabei sowohl

Kurs: Woche 8 | Programmierung | Random Forest-Klassifikation mit Scikit-learn (PDF)

Woche 8 | Programmierung | Random Forest-Klassifikation mit Scikit-learn (PDF)

In diesem Video-Transkript lernst du, wie du ein Random Forest Modell in Python mit dem Modul Scikit-learn erstellen kannst. Du siehst, wie der Random

Kurs: Woche 13 | Wie war das nochmal? Überblick und Ausblick (PDF)

Woche 13 | Wie war das nochmal? Überblick und Ausblick (PDF)

In diesem Video-Transkript werden die für Woche 13 wichtigen Inhalte aus den vergangenen Wochen wiederholt und ein kurzer Ausblick auf die Inhalte der

Video: Woche 13 | Wie war das nochmal? Überblick und Ausblick (MP4)

Woche 13 | Wie war das nochmal? Überblick und Ausblick (MP4)

In diesem Video werden die für Woche 13 wichtigen Inhalte aus den vergangenen Wochen wiederholt und ein kurzer Ausblick auf die Inhalte der

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.

Sonstiges: LeadCom Modul 2

LeadCom Modul 2

Technologischer Wandel prägt Bildung seit jeher – von der Schiefertafel über Computer und Tablets bis hin zu aktuellen Entwicklungen wie Künstlicher

Interaktion: Prognosemodelle: Klassifikation und Regression | 05 | Prognosemodelle und Evaluation (Aufgabe 1)

Prognosemodelle: Klassifikation und Regression | 05 | Prognosemodelle und Evaluation (Aufgabe 1)

Diese Aufgabe dient als Vertiefung zum Video "Prognosemodelle und Evaluation" aus der Sektion “Prognosemodelle: Klassifikation und Regression”.

Interaktion: Prognosemodelle: Klassifikation und Regression | 05 | Prognosemodelle und Evaluation (Aufgabe 4)

Prognosemodelle: Klassifikation und Regression | 05 | Prognosemodelle und Evaluation (Aufgabe 4)

Diese Aufgabe dient als Vertiefung zum Video "Prognosemodelle und Evaluation" aus der Sektion “Prognosemodelle: Klassifikation und Regression”.

Interaktion: Prognosemodelle: Klassifikation und Regression | 05 | Prognosemodelle und Evaluation (Aufgabe 2)

Prognosemodelle: Klassifikation und Regression | 05 | Prognosemodelle und Evaluation (Aufgabe 2)

Diese Aufgabe dient als Vertiefung zum Video "Prognosemodelle und Evaluation" aus der Sektion “Prognosemodelle: Klassifikation und Regression”.

Interaktion: Prognosemodelle: Klassifikation und Regression | 05 | Prognosemodelle und Evaluation (Aufgabe 3)

Prognosemodelle: Klassifikation und Regression | 05 | Prognosemodelle und Evaluation (Aufgabe 3)

Diese Aufgabe dient als Vertiefung zum Video "Prognosemodelle und Evaluation" aus der Sektion “Prognosemodelle: Klassifikation und Regression”.

Kurs: Woche 4 | Programmierung | Module und Funktionen am Beispiel von NumPy (1) (PDF)

Woche 4 | Programmierung | Module und Funktionen am Beispiel von NumPy (1) (PDF)

In diesem Video-Transkript lernst du Module und Funktionen in Python kennen. Du importierst Module und betrachtest als Beispiel das Modul NumPy, das

Als Anwendung installieren

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

Abbrechen