Suche | HubbS - Der Hub für berufliche Schulen

Veranstaltungen

Rahmenlehrpläne

Video: Prognosemodelle: Klassifikation und Regression | 03 | Neuronale Netze - Teil 2 (MP4)

Prognosemodelle: Klassifikation und Regression | 03 | Neuronale Netze - Teil 2 (MP4)

Du kennst nun den Aufbau und die Funktionsweise neuronaler Netze. In diesem Video befassen wir uns diesmal insbesondere mit der Verlustfunktion, um

Kurs: Prognosemodelle: Klassifikation und Regression | 03 | Neuronale Netze - Teil 2 (PDF)

Prognosemodelle: Klassifikation und Regression | 03 | Neuronale Netze - Teil 2 (PDF)

Du kennst nun den Aufbau und die Funktionsweise neuronaler Netze. In diesem Video-Transkript befassen wir uns diesmal insbesondere mit der

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

Video: Bildklassifikation und Bildsegmentierung | 05 | Aufbau des menschlichen visuellen Cortex (MP4)

Bildklassifikation und Bildsegmentierung | 05 | Aufbau des menschlichen visuellen Cortex (MP4)

Du weißt nun, dass Bildklassifikationsmodelle auf annotierten Bildern trainiert werden. Jetzt fangen wir mit der Beschreibung der Modelle selbst an

Kurs: Bildklassifikation und Bildsegmentierung | 05 | Aufbau des menschlichen visuellen Cortex (PDF)

Bildklassifikation und Bildsegmentierung | 05 | Aufbau des menschlichen visuellen Cortex (PDF)

Du weißt nun, dass Bildklassifikationsmodelle auf annotierten Bildern trainiert werden. Jetzt fangen wir mit der Beschreibung der Modelle selbst an

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

Interaktion: Explainable, Hybrid, Robust AI | 01 | Interview zur Interpretierbarkeit von künstlicher Intelligenz (Aufgabe 1)

Explainable, Hybrid, Robust AI | 01 | Interview zur Interpretierbarkeit von künstlicher Intelligenz (Aufgabe 1)

Diese Aufgabe dient als Vertiefung zum Video "Interview zur Interpretierbarkeit von künstlicher Intelligenz" aus der Sektion “Explainable, Hybrid

Kurs: Prognosemodelle: Klassifikation und Regression | 03 | Der random forest (PDF)

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

Du kennst jetzt das Verfahren eines einzelnen decision trees. In diesem Video-Transkript befassen wir uns weiter mit Baum-basierten Verfahren, und

Video: Prognosemodelle: Klassifikation und Regression | 03 | Der random forest (MP4)

Prognosemodelle: Klassifikation und Regression | 03 | Der random forest (MP4)

Du kennst jetzt das Verfahren eines einzelnen decision trees. In diesem Video befassen wir uns weiter mit Baum-basierten Verfahren, und zwar einer

Lernspiel: C3-2 Single Choice: Multiple lineare Modelle für die Kelchblattbreite (Quiz zum Jupyter Notebook)

C3-2 Single Choice: Multiple lineare Modelle für die Kelchblattbreite (Quiz zum Jupyter Notebook)

Das Quiz gehört zum Jupyter Notebook zum Thema „C3-2 Jupyter Notebook: Multiple Lineare Regression mit sklearn“.

Video: Prognosemodelle: Klassifikation und Regression | 03 | Das k-nearest neighbours Verfahren (MP4)

Prognosemodelle: Klassifikation und Regression | 03 | Das k-nearest neighbours Verfahren (MP4)

In diesem Video befassen wir uns nun genauer mit dem k-nearest neighbours Verfahren und insbesondere den Distanzmaßen, auf denen es beruht und die uns

Video: Woche 9 | Programmierung | k-means Clustering mit Scikit-learn (MP4)

Woche 9 | Programmierung | k-means Clustering mit Scikit-learn (MP4)

In diesem Video lernst du den Palmer Archipelago (Antarctica) Datensatz kennen, den wir mit dem k-means Algorithmus in Cluster aufteilen werden. Im

Kurs: Prognosemodelle: Klassifikation und Regression | 03 | Das k-nearest neighbours Verfahren (PDF)

Prognosemodelle: Klassifikation und Regression | 03 | Das k-nearest neighbours Verfahren (PDF)

In diesem Video-Transkript befassen wir uns nun genauer mit dem k-nearest neighbours Verfahren und insbesondere den Distanzmaßen, auf denen es beruht

Kurs: Woche 9 | Programmierung | k-means Clustering mit Scikit-learn (PDF)

Woche 9 | Programmierung | k-means Clustering mit Scikit-learn (PDF)

In diesem Video-Transkript lernst du den Palmer Archipelago (Antarctica) Datensatz kennen, den wir mit dem k-means Algorithmus in Cluster aufteilen

Kurs: Prognosemodelle: Klassifikation und Regression | 03 | Weitere Verfahren des maschinellen Lernens

Prognosemodelle: Klassifikation und Regression | 03 | Weitere Verfahren des maschinellen Lernens

Obwohl wir uns schon einige Verfahren des maschinellen Lernens angesehen haben, ist die Liste natürlich nicht vollständig. So gibt es noch weitere

Unterrichtsbaustein: Medien verstehen | Kapitel 2: Herausforderungen für den Journalismus

Medien verstehen | Kapitel 2: Herausforderungen für den Journalismus

Das Kapitel befasst sich mit den aktuellen Herausforderungen, denen sich der Journalismus gegenübersieht. Es werden verschiedene Aspekte beleuchtet

Unterrichtsbaustein

Video: Woche 7 | Programmierung | k-nächste Nachbarn (k-NN) mit Scikit-Learn (MP4)

Woche 7 | Programmierung | k-nächste Nachbarn (k-NN) mit Scikit-Learn (MP4)

In diesem Video lernst du, ein k-nächste-Nachbarn-Modell mit dem Python-Modul Scitkit-learn zu erstellen und zu evaluieren.

Interaktion: Bildklassifikation und Bildsegmentierung | 04 | Datenaufbereitung (Aufgabe 4)

Bildklassifikation und Bildsegmentierung | 04 | Datenaufbereitung (Aufgabe 4)

Diese Aufgabe dient als Vertiefung zum Video "Datenaufbereitung" aus der Sektion “Bildklassifikation und Bildsegmentierung”.

Als Anwendung installieren

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

Abbrechen