Suche | HubbS - Der Hub für berufliche Schulen

Veranstaltungen

Rahmenlehrpläne

Video: Woche 3 | Programmierung | Einführung in Listen (MP4)

Woche 3 | Programmierung | Einführung in Listen (MP4)

In diesem Video beschäftigst du dich mit Listen in Python. Du lernst ihre Eigenschaften und ihren Aufbau kennen.

Kurs: Woche 6 | Programmierung | Logistische Regression mit Scikit-learn (PDF)

Woche 6 | Programmierung | Logistische Regression mit Scikit-learn (PDF)

In diesem Video-Transkript erfährst du, wie du eine logistische Regression in Python durchführen kannst.

Kurs: KI für Alle 2 | Masterskript

KI für Alle 2 | Masterskript

Das Masterskript ist eine umfassende Zusammenstellung aller Skripte des Kurses "KI für Alle 2: Verstehen, Bewerten, Reflektieren". Dieser Kurs baut

Video: KI und Nachhaltigkeit | 06 | Nachhaltige KI: Wirkungsebenen (MP4)

KI und Nachhaltigkeit | 06 | Nachhaltige KI: Wirkungsebenen (MP4)

Herzlich Willkommen! Wie im Eingangsvideo erläutert, schauen wir uns in diesem Video an, wo und von wem die Nachhaltigkeit einer KI mitgestaltet und

Kurs: KI und Nachhaltigkeit | 06 | Nachhaltige KI: Wirkungsebenen (PDF)

KI und Nachhaltigkeit | 06 | Nachhaltige KI: Wirkungsebenen (PDF)

Herzlich Willkommen! Wie im Eingangsvideo erläutert, schauen wir an, wo und von wem die Nachhaltigkeit einer KI mitgestaltet und entschieden werden

Video: Woche 3 | Programmierung | Listen Jupyter Notebook (MP4)

Woche 3 | Programmierung | Listen Jupyter Notebook (MP4)

In diesem Video geht es um die Programmierung von Listen in Python. Du lernst, Listen zu erstellen und ihr Elemente hinzuzufügen, zu ersetzen und zu

Interaktion: Woche 7 | Theorie | k-nearest neighbours Verfahren (Aufgabe 6)

Woche 7 | Theorie | k-nearest neighbours Verfahren (Aufgabe 6)

Diese Aufgabe dient als Vertiefung zum Video "k-nearest neighbours Verfahren" aus Woche 7.

Interaktion: Woche 7 | Theorie | k-nearest neighbours Verfahren (Aufgabe 5)

Woche 7 | Theorie | k-nearest neighbours Verfahren (Aufgabe 5)

Diese Aufgabe dient als Vertiefung zum Video "k-nearest neighbours Verfahren" aus Woche 7.

Interaktion: Woche 7 | Theorie | k-nearest neighbours Verfahren (Aufgabe 4)

Woche 7 | Theorie | k-nearest neighbours Verfahren (Aufgabe 4)

Diese Aufgabe dient als Vertiefung zum Video "k-nearest neighbours Verfahren" aus Woche 7.

Interaktion: Woche 7 | Theorie | k-nearest neighbours Verfahren (Aufgabe 3)

Woche 7 | Theorie | k-nearest neighbours Verfahren (Aufgabe 3)

Diese Aufgabe dient als Vertiefung zum Video "k-nearest neighbours Verfahren" aus Woche 7.

Interaktion: Woche 7 | Theorie | k-nearest neighbours Verfahren (Aufgabe 2)

Woche 7 | Theorie | k-nearest neighbours Verfahren (Aufgabe 2)

Diese Aufgabe dient als Vertiefung zum Video "k-nearest neighbours Verfahren" aus Woche 7.

Interaktion: Woche 7 | Theorie | k-nearest neighbours Verfahren (Aufgabe 1)

Woche 7 | Theorie | k-nearest neighbours Verfahren (Aufgabe 1)

Diese Aufgabe dient als Vertiefung zum Video "k-nearest neighbours Verfahren" aus Woche 7.

Video: Woche 5 | Programmierung | Visualisierung (MP4)

Woche 5 | Programmierung | Visualisierung (MP4)

In diesem Video lernst du, wie du mithilfe des Moduls plotly express eigene Visualisierungen deiner Daten erstellen kannst. Du lernst, selber Streu-

Interaktion: Woche 9 | Anwendungsbeispiele | Anwendung von Clustering zur Erkennung von Bilanzfälschung (Aufgabe 2)

Woche 9 | Anwendungsbeispiele | Anwendung von Clustering zur Erkennung von Bilanzfälschung (Aufgabe 2)

Diese Aufgabe dient als Vertiefung zum Video "Anwendung von Clustering zur Erkennung von Bilanzfälschung" aus Woche 9.

Interaktion: Woche 9 | Anwendungsbeispiele | Anwendung von Clustering zur Erkennung von Bilanzfälschung (Aufgabe 1)

Woche 9 | Anwendungsbeispiele | Anwendung von Clustering zur Erkennung von Bilanzfälschung (Aufgabe 1)

Diese Aufgabe dient als Vertiefung zum Video "Anwendung von Clustering zur Erkennung von Bilanzfälschung" aus Woche 9.

Video: Woche 9 | Anwendungsbeispiele | Anwendung von Clustering zur Erkennung von Bilanzfälschung (MP4)

Woche 9 | Anwendungsbeispiele | Anwendung von Clustering zur Erkennung von Bilanzfälschung (MP4)

In diesem Video geht es um die Anwendung des Clusterings zur Erkennung von Bilanzfälschungen. Du erfährst, welchen Herausforderungen man bei der

Interaktion: Woche 5 | Daten | Visualisierung von Daten (Aufgabe 4)

Woche 5 | Daten | Visualisierung von Daten (Aufgabe 4)

Diese Aufgabe dient als Vertiefung zum Video "Visualisierung von Daten" aus Woche 5.

Interaktion: Woche 5 | Daten | Visualisierung von Daten (Aufgabe 3)

Woche 5 | Daten | Visualisierung von Daten (Aufgabe 3)

Diese Aufgabe dient als Vertiefung zum Video "Visualisierung von Daten" aus Woche 5.

Als Anwendung installieren

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

Abbrechen