Suche | HubbS - Der Hub für berufliche Schulen

Veranstaltungen

Rahmenlehrpläne

Interaktion: Clustering: vom Sortieren bis zum Explorieren | 01 | Einführung Sentiment Analyse (Aufgabe 1)

Clustering: vom Sortieren bis zum Explorieren | 01 | Einführung Sentiment Analyse (Aufgabe 1)

Diese Aufgabe dient als Vertiefung zum Video "Einführung Sentiment Analyse" aus der Sektion “Clustering: vom Sortieren bis zum Explorieren”.

Interaktion: Prognosemodelle: Klassifikation und Regression | 03 | Das k-nearest neighbours Verfahren (Aufgabe 3)

Prognosemodelle: Klassifikation und Regression | 03 | Das k-nearest neighbours Verfahren (Aufgabe 3)

Diese Aufgabe dient als Vertiefung zum Video "Das k-nearest neighbours Verfahren" aus der Sektion “Prognosemodelle: Klassifikation und Regression”.

Interaktion: Prognosemodelle: Klassifikation und Regression | 03 | Das k-nearest neighbours Verfahren (Aufgabe 1)

Prognosemodelle: Klassifikation und Regression | 03 | Das k-nearest neighbours Verfahren (Aufgabe 1)

Diese Aufgabe dient als Vertiefung zum Video "Das k-nearest neighbours Verfahren" aus der Sektion “Prognosemodelle: Klassifikation und Regression”.

Interaktion: Prognosemodelle: Klassifikation und Regression | 03 | Das k-nearest neighbours Verfahren (Aufgabe 4)

Prognosemodelle: Klassifikation und Regression | 03 | Das k-nearest neighbours Verfahren (Aufgabe 4)

Diese Aufgabe dient als Vertiefung zum Video "Das k-nearest neighbours Verfahren" aus der Sektion “Prognosemodelle: Klassifikation und Regression”.

Interaktion: Prognosemodelle: Klassifikation und Regression | 03 | Das k-nearest neighbours Verfahren (Aufgabe 2)

Prognosemodelle: Klassifikation und Regression | 03 | Das k-nearest neighbours Verfahren (Aufgabe 2)

Diese Aufgabe dient als Vertiefung zum Video "Das k-nearest neighbours Verfahren" aus der Sektion “Prognosemodelle: Klassifikation und Regression”.

Interaktion: Woche 7 | Ethik | Transparenz (Aufgabe 1)

Woche 7 | Ethik | Transparenz (Aufgabe 1)

Diese Aufgabe dient als Vertiefung zum Video "Transparenz" aus Woche 7.

Video: Woche 10 | Theorie | Einführung in neuronale Netze (MP4)

Woche 10 | Theorie | Einführung in neuronale Netze (MP4)

In diesem Video beschäftigen wir uns intensiver mit einem sehr beliebten Verfahren des Deep Learning, den neuronalen Netzwerken. Zum Einstieg

Kurs: Woche 10 | Theorie | Einführung in neuronale Netze (PDF)

Woche 10 | Theorie | Einführung in neuronale Netze (PDF)

In diesem Video-Transkript beschäftigen wir uns intensiver mit einem sehr beliebten Verfahren des Deep Learning, den neuronalen Netzwerken. Zum

Video: Bildklassifikation und Bildsegmentierung | 01 | Einführung (MP4)

Bildklassifikation und Bildsegmentierung | 01 | Einführung (MP4)

Herzlich willkommen zum Themenblock “Bildklassifikation und Bildsegmentierung”! In diesem Themenblock beschäftigen wir uns anhand von zwei

Kurs: Bildklassifikation und Bildsegmentierung | 01 | Einführung (PDF)

Bildklassifikation und Bildsegmentierung | 01 | Einführung (PDF)

Herzlich willkommen zum Themenblock “Bildklassifikation und Bildsegmentierung”! In diesem Themenblock beschäftigen wir uns anhand von zwei

Audio: Clouds

“Clouds“ zeichnet sich durch eine entspannte, ruhige Atmosphäre aus, die durch direkte Drums unterstützt und in einen harmonischen Groove gebracht

Audio: Meadow Call

Der Track „Meadow Call“ zeichnet sich durch einen erfrischenden Flow mit einem melodischen Höhepunkt aus. Ein sanfter Groove mit dynamischer Bass Line

Audio: Ocean

„Ocean“ ist durch die jazzigen Akkorde des Rhodes geprägt, die von Gittareneinwürfen und Klavier-Soli unterstützt werden. Unter dem instrumentalen

Interaktion: Datenbeschaffung und -aufbereitung | 03 | Einführung in die Wahrscheinlichkeitstheorie (Aufgabe 4)

Datenbeschaffung und -aufbereitung | 03 | Einführung in die Wahrscheinlichkeitstheorie (Aufgabe 4)

Diese Aufgabe dient als Vertiefung zum Video "Einführung in die Wahrscheinlichkeitstheorie" aus der Sektion “Datenbeschaffung und -aufbereitung”.

Interaktion: Datenbeschaffung und -aufbereitung | 03 | Einführung in die Wahrscheinlichkeitstheorie (Aufgabe 3)

Datenbeschaffung und -aufbereitung | 03 | Einführung in die Wahrscheinlichkeitstheorie (Aufgabe 3)

Diese Aufgabe dient als Vertiefung zum Video "Einführung in die Wahrscheinlichkeitstheorie" aus der Sektion “Datenbeschaffung und -aufbereitung”.

Interaktion: Datenbeschaffung und -aufbereitung | 03 | Einführung in die Wahrscheinlichkeitstheorie (Aufgabe 2)

Datenbeschaffung und -aufbereitung | 03 | Einführung in die Wahrscheinlichkeitstheorie (Aufgabe 2)

Diese Aufgabe dient als Vertiefung zum Video "Einführung in die Wahrscheinlichkeitstheorie" aus der Sektion “Datenbeschaffung und -aufbereitung”.

Interaktion: Datenbeschaffung und -aufbereitung | 03 | Einführung in die Wahrscheinlichkeitstheorie (Aufgabe 1)

Datenbeschaffung und -aufbereitung | 03 | Einführung in die Wahrscheinlichkeitstheorie (Aufgabe 1)

Diese Aufgabe dient als Vertiefung zum Video "Einführung in die Wahrscheinlichkeitstheorie" aus der Sektion “Datenbeschaffung und -aufbereitung”.

Video: Generative Modelle | 06 | Model Collapse (MP4)

Generative Modelle | 06 | Model Collapse (MP4)

Generative Modelle benötigen sehr viele Trainingsdaten, deshalb kommen oft künstlich erstellte Daten zum Einsatz. Warum das zu Problemen führen kann

Als Anwendung installieren

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

Abbrechen