Suche | HubbS - Der Hub für berufliche Schulen

Veranstaltungen

Rahmenlehrpläne

Kurs: Generative Modelle | 05 | Geschützte Trainingsdaten (PDF)

Generative Modelle | 05 | Geschützte Trainingsdaten (PDF)

In diesem Video-Transkript beschäftigen wir uns mit der Problematik von geschützten Trainingsdaten: Darf ich eigentlich urheberrechtlich geschützte

Video: Generative Modelle | 05 | Geschützte Trainingsdaten (MP4)

Generative Modelle | 05 | Geschützte Trainingsdaten (MP4)

In diesem Video beschäftigen wir uns mit der Problematik von geschützten Trainingsdaten: Darf ich eigentlich urheberrechtlich geschützte

Interaktion: Prognosemodelle: Klassifikation und Regression | 02 | Confusion matrix (Aufgabe 2)

Prognosemodelle: Klassifikation und Regression | 02 | Confusion matrix (Aufgabe 2)

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

Interaktion: Prognosemodelle: Klassifikation und Regression | 02 | Confusion matrix (Aufgabe 3)

Prognosemodelle: Klassifikation und Regression | 02 | Confusion matrix (Aufgabe 3)

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

Interaktion: Prognosemodelle: Klassifikation und Regression | 02 | Confusion matrix (Aufgabe 1)

Prognosemodelle: Klassifikation und Regression | 02 | Confusion matrix (Aufgabe 1)

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

Sonstiges: D4 Jupyter Notebook: Erklärbarkeit von neuronalen Netzen am Beispiel CNN

D4 Jupyter Notebook: Erklärbarkeit von neuronalen Netzen am Beispiel CNN

Im Jupyter Notebook zum Thema „D4 Jupyter Notebook: Erklärbarkeit von neuronalen Netzen am Beispiel CNN“ geht es um die Erklärbarkeit von neuronalen

Video: Prognosemodelle: Klassifikation und Regression | 02 | Hyperparameteroptimierung (MP4)

Prognosemodelle: Klassifikation und Regression | 02 | Hyperparameteroptimierung (MP4)

In diesem Video lernst du sogenannte Hyperparameter eines Modells kennen, die wir als Anwender festlegen können, um z. B. die Prognosegenauigkeit zu

Unterrichtsbaustein: KI programmieren im Informatikunterricht Teil 3: LSTM und Reihenvorhersage (ZIP)

KI programmieren im Informatikunterricht Teil 3: LSTM und Reihenvorhersage (ZIP)

Die ZIP-Datei enthält die Aufgabenbeschreibung und ein Python-Programm zur Reihenvorhersage. In dieser Lernaufgabe lernen die Schülerinnen und Schüler

Unterrichtsbaustein

Ländermaterial

Video: Erklärvideo zur Formulierung von Prompts

Erklärvideo zur Formulierung von Prompts

Es handelt sich um ein Lernvideo zur Berufssprache Deutsch für die 10. Klasse des Berufs Fachkraft für Lagerlogistik (m/w/d) aus dem Lernfeld 1 „Güter

Ländermaterial

Kurs: Prognosemodelle: Klassifikation und Regression | 02 | Hyperparameteroptimierung (PDF)

Prognosemodelle: Klassifikation und Regression | 02 | Hyperparameteroptimierung (PDF)

In diesem Video-Transkript lernst du sogenannte Hyperparameter eines Modells kennen, die wir als Anwender festlegen können, um z. B. die

Interaktion: Prognosemodelle: Klassifikation und Regression | 02 | Verfahren der (cross-) validation (Aufgabe 1)

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: Prognosemodelle: Klassifikation und Regression | 02 | Verfahren der (cross-) validation (Aufgabe 2)

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: Prognosemodelle: Klassifikation und Regression | 02 | Verfahren der (cross-) validation (Aufgabe 3)

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: Prognosemodelle: Klassifikation und Regression | 02 | Verfahren der (cross-) validation (Aufgabe 4)

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: Prognosemodelle: Klassifikation und Regression | 02 | Hyperparameteroptimierung (Aufgabe 1)

Prognosemodelle: Klassifikation und Regression | 02 | Hyperparameteroptimierung (Aufgabe 1)

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

Interaktion: Prognosemodelle: Klassifikation und Regression | 02 | Hyperparameteroptimierung (Aufgabe 3)

Prognosemodelle: Klassifikation und Regression | 02 | Hyperparameteroptimierung (Aufgabe 3)

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

Interaktion: Prognosemodelle: Klassifikation und Regression | 02 | Hyperparameteroptimierung (Aufgabe 2)

Prognosemodelle: Klassifikation und Regression | 02 | Hyperparameteroptimierung (Aufgabe 2)

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

Sonstiges: F2 Jupyter Notebook: FNNs und Overfitting

F2 Jupyter Notebook: FNNs und Overfitting

Im Jupyter Notebook zum Thema „F2 Jupyter Notebook: FNNs und Overfitting“ geht es darum, mit einem einfachen Feed Forward Netzwerk Objekte in Bildern

Als Anwendung installieren

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

Abbrechen