Suche | HubbS - Der Hub für berufliche Schulen

Veranstaltungen

Rahmenlehrpläne

Interaktion: Datenbeschaffung und -aufbereitung | 04 | Verzerrungen und Repräsentativität (Aufgabe 3)

Datenbeschaffung und -aufbereitung | 04 | Verzerrungen und Repräsentativität (Aufgabe 3)

Diese Aufgabe dient als Vertiefung zum Video "Verzerrungen und Repräsentativität" aus der Sektion “Datenbeschaffung und -aufbereitung”.

Interaktion: Datenbeschaffung und -aufbereitung | 04 | Verzerrungen und Repräsentativität (Aufgabe 2)

Datenbeschaffung und -aufbereitung | 04 | Verzerrungen und Repräsentativität (Aufgabe 2)

Diese Aufgabe dient als Vertiefung zum Video "Verzerrungen und Repräsentativität" aus der Sektion “Datenbeschaffung und -aufbereitung”.

Interaktion: Datenbeschaffung und -aufbereitung | 04 | Verzerrungen und Repräsentativität (Aufgabe 1)

Datenbeschaffung und -aufbereitung | 04 | Verzerrungen und Repräsentativität (Aufgabe 1)

Diese Aufgabe dient als Vertiefung zum Video "Verzerrungen und Repräsentativität" aus der Sektion “Datenbeschaffung und -aufbereitung”.

Kurs: Datenbeschaffung und -aufbereitung | 04 | Ausreißerbehandlung (PDF)

Datenbeschaffung und -aufbereitung | 04 | Ausreißerbehandlung (PDF)

Weiter geht es mit den Ausreißern. Dieses Wort ist in vorherigen Videos bereits mehrmals erwähnt worden, aber was ist denn ein Ausreißer eigentlich

Video: Datenbeschaffung und -aufbereitung | 04 | Ausreißerbehandlung (MP4)

Datenbeschaffung und -aufbereitung | 04 | Ausreißerbehandlung (MP4)

Weiter geht es mit den Ausreißern. Dieses Wort ist in vorherigen Videos bereits mehrmals erwähnt worden, aber was ist denn ein Ausreißer eigentlich

Interaktion: Datenbeschaffung und -aufbereitung | 04 | Weitere Techniken des Feature Engineerings (Aufgabe 3)

Datenbeschaffung und -aufbereitung | 04 | Weitere Techniken des Feature Engineerings (Aufgabe 3)

Diese Aufgabe dient als Vertiefung zum Video "Weitere Techniken des Feature Engineerings" aus der Sektion “Datenbeschaffung und -aufbereitung”.

Interaktion: Datenbeschaffung und -aufbereitung | 04 | Weitere Techniken des Feature Engineerings (Aufgabe 2)

Datenbeschaffung und -aufbereitung | 04 | Weitere Techniken des Feature Engineerings (Aufgabe 2)

Diese Aufgabe dient als Vertiefung zum Video "Weitere Techniken des Feature Engineerings" aus der Sektion “Datenbeschaffung und -aufbereitung”.

Interaktion: Datenbeschaffung und -aufbereitung | 04 | Weitere Techniken des Feature Engineerings (Aufgabe 1)

Datenbeschaffung und -aufbereitung | 04 | Weitere Techniken des Feature Engineerings (Aufgabe 1)

Diese Aufgabe dient als Vertiefung zum Video "Weitere Techniken des Feature Engineerings" aus der Sektion “Datenbeschaffung und -aufbereitung”.

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

Handbuch: Ethische Leitlinien zum Einsatz Künstlicher Intelligenz (KI) und von Daten im Unterricht

Ethische Leitlinien zum Einsatz Künstlicher Intelligenz (KI) und von Daten im Unterricht

Mit diesen Leitlinien für die Nutzung von KI und Daten im Lehr- und Lernbereich wollen wir Lehrkräften dabei helfen, das Potenzial von KI- und

Interaktion: Explainable, Hybrid, Robust AI | 02 | Interpretable Machine Learning (Aufgabe 1)

Explainable, Hybrid, Robust AI | 02 | Interpretable Machine Learning (Aufgabe 1)

Diese Aufgabe dient als Vertiefung zum Video "Interpretable Machine Learning" aus der Sektion “Explainable, Hybrid, Robust AI”.

Video: Prognosemodelle: Klassifikation und Regression | 03 | Die lineare Regression (MP4)

Prognosemodelle: Klassifikation und Regression | 03 | Die lineare Regression (MP4)

Du weißt nun, wie Prognosemodelle evaluiert werden. Jetzt starten wir mit den Verfahren des maschinellen Lernens selbst. In diesem Video befassen wir

Kurs: Prognosemodelle: Klassifikation und Regression | 03 | Die lineare Regression (PDF)

Prognosemodelle: Klassifikation und Regression | 03 | Die lineare Regression (PDF)

Du weißt nun, wie Prognosemodelle evaluiert werden. Jetzt starten wir mit den Verfahren des maschinellen Lernens selbst. In diesem Video-Transkript

Interaktion: Bildklassifikation und Bildsegmentierung | 08 | Fallbeispiel und Pipeline für Bildsegmentierung (Aufgabe 2)

Bildklassifikation und Bildsegmentierung | 08 | Fallbeispiel und Pipeline für Bildsegmentierung (Aufgabe 2)

Diese Aufgabe dient als Vertiefung zum Video "Fallbeispiel und Pipeline für Bildsegmentierung" aus der Sektion “Bildklassifikation und

Interaktion: Bildklassifikation und Bildsegmentierung | 08 | Fallbeispiel und Pipeline für Bildsegmentierung (Aufgabe 1)

Bildklassifikation und Bildsegmentierung | 08 | Fallbeispiel und Pipeline für Bildsegmentierung (Aufgabe 1)

Diese Aufgabe dient als Vertiefung zum Video "Fallbeispiel und Pipeline für Bildsegmentierung" aus der Sektion “Bildklassifikation und

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: 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

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

Als Anwendung installieren

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

Abbrechen