Suche | HubbS - Der Hub für berufliche Schulen

Veranstaltungen

Rahmenlehrpläne

Interaktion: Prognosemodelle: Klassifikation und Regression | 03 | Der random forest (Aufgabe 5)

Prognosemodelle: Klassifikation und Regression | 03 | Der random forest (Aufgabe 5)

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

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

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

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: Woche 10 | Programmierung | Neuronale Netzwerke (2) (MP4)

Woche 10 | Programmierung | Neuronale Netzwerke (2) (MP4)

In diesem Video lernst du, wie man einen Datensatz für das Trainieren eines künstlichen neuronalen Netzes vorbereitet und was One-Hot-Codierung ist

Video: Woche 10 | Programmierung | Neuronale Netzwerke (2) (PDF)

Woche 10 | Programmierung | Neuronale Netzwerke (2) (PDF)

In diesem Video lernst du, wie man einen Datensatz für das Trainieren eines künstlichen neuronalen Netzes vorbereitet und was One-Hot-Codierung ist

Video: Woche 12 | Programmierung | Topic Modeling mit scikit-learn (MP4)

Woche 12 | Programmierung | Topic Modeling mit scikit-learn (MP4)

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

Video: Woche 12 | Wie war das nochmal? Überblick und Ausblick (MP4)

Woche 12 | Wie war das nochmal? Überblick und Ausblick (MP4)

In diesem Video werden die für Woche 12 wichtigen Inhalte aus den vergangenen Wochen wiederholt und ein kurzer Ausblick auf die Inhalte der zwölften

Kurs: Woche 12 | Wie war das nochmal? Überblick und Ausblick (PDF)

Woche 12 | Wie war das nochmal? Überblick und Ausblick (PDF)

In diesem Video-Transkript werden die für Woche 12 wichtigen Inhalte aus den vergangenen Wochen wiederholt und ein kurzer Ausblick auf die Inhalte der

Kurs: Woche 14 | Wie war das nochmal? Überblick und Ausblick (PDF)

Woche 14 | Wie war das nochmal? Überblick und Ausblick (PDF)

In diesem Video-Skript werden die für Woche 14 wichtigen Inhalte aus den vergangenen Wochen wiederholt und ein kurzer Ausblick auf die Inhalte der

Interaktion: Woche 3 | Theorie | Künstliche Intelligenz, Maschinelles Lernen, Deep Learning (Aufgabe 4)

Woche 3 | Theorie | Künstliche Intelligenz, Maschinelles Lernen, Deep Learning (Aufgabe 4)

Diese Aufgabe dient als Vertiefung zum Video "Künstliche Intelligenz, Maschinelles Lernen, Deep Learning" aus Woche 3.

Interaktion: Woche 3 | Theorie | Künstliche Intelligenz, Maschinelles Lernen, Deep Learning (Aufgabe 3)

Woche 3 | Theorie | Künstliche Intelligenz, Maschinelles Lernen, Deep Learning (Aufgabe 3)

Diese Aufgabe dient als Vertiefung zum Video "Künstliche Intelligenz, Maschinelles Lernen, Deep Learning" aus Woche 3.

Interaktion: Woche 3 | Theorie | Künstliche Intelligenz, Maschinelles Lernen, Deep Learning (Aufgabe 2)

Woche 3 | Theorie | Künstliche Intelligenz, Maschinelles Lernen, Deep Learning (Aufgabe 2)

Diese Aufgabe dient als Vertiefung zum Video "Künstliche Intelligenz, Maschinelles Lernen, Deep Learning" aus Woche 3.

Interaktion: Woche 3 | Theorie | Künstliche Intelligenz, Maschinelles Lernen, Deep Learning (Aufgabe 1)

Woche 3 | Theorie | Künstliche Intelligenz, Maschinelles Lernen, Deep Learning (Aufgabe 1)

Diese Aufgabe dient als Vertiefung zum Video "Künstliche Intelligenz, Maschinelles Lernen, Deep Learning" aus Woche 3.

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

Kurs: Woche 7 | Ethik | Transparenz (PDF)

Woche 7 | Ethik | Transparenz (PDF)

Habt ihr euch schonmal gefragt, wie die TikTok Algorithmen euch so präzise Videos empfehlen oder wie ChatGPT zu den Antworten kommt, die es auswirft

Video: Woche 7 | Ethik | Transparenz (MP4)

Woche 7 | Ethik | Transparenz (MP4)

Habt ihr euch schonmal gefragt, wie die TikTok Algorithmen euch so präzise Videos empfehlen oder wie ChatGPT zu den Antworten kommt, die es auswirft

Video: Woche 8 | Programmierung | Random Forest-Klassifikation mit Scikit-learn (MP4)

Woche 8 | Programmierung | Random Forest-Klassifikation mit Scikit-learn (MP4)

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

Als Anwendung installieren

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

Abbrechen