Alle
0
Mediathek
0
Berufe
0
Beiträge
0
Veranstaltungen
0
Berufsschulen
0
Rahmenlehrpläne
0
Arbeitsblatt: D2 Algorithmischer Bias - Arbeitsblatt: KI-Blogeintrag zum Bias im Maschinellen
Mediathek
D2 Algorithmischer Bias - Arbeitsblatt: KI-Blogeintrag zum Bias im Maschinellen
Beim Arbeitsblatt „KI-Blogeintrag zum Bias im Maschinellen“ wird ergänzend zu den Arbeitsblättern „Klassifizierung von Obst mit Googles Teachable
Arbeitsblatt
Sonstiges: B3 Jupyter Notebook: Daten aufbereiten
Mediathek
B3 Jupyter Notebook: Daten aufbereiten
In diesem Jupyter Notebook zum Thema “B3 Jupyter Notebook: Daten aufbereiten“ lernt man, mithilfe von Python Daten für Maschinelles Lernen
Sonstiges
Sonstiges: B2 Jupyter Notebook: Daten analysieren
Mediathek
B2 Jupyter Notebook: Daten analysieren
In diesem Jupyter Notebook zum Thema “B2 Jupyter Notebook: Daten analysieren“ lernt man, mithilfe von Python Daten in Tabellen genauer zu analysieren
Sonstiges
Sonstiges: C2-2 Jupyter Notebook: Mittelwert und Standardabweichung mit pandas
Mediathek
C2-2 Jupyter Notebook: Mittelwert und Standardabweichung mit pandas
In diesem Jupyter Notebook zum Thema „C2-2 Jupyter Notebook: Mittelwert und Standardabweichung mit pandas“ lernt man, mithilfe von Python Mittelwert
Sonstiges
Sonstiges: C4-1 Jupyter Notebook: Klassifikationsbäume mit sklearn (Klassifikationsbäume, Teil 1)
Mediathek
C4-1 Jupyter Notebook: Klassifikationsbäume mit sklearn (Klassifikationsbäume, Teil 1)
In diesem Jupyter Notebook zum Thema „C4-1 Jupyter Notebook: Klassifikationsbäume mit sklearn (Klassifikationsbäume, Teil 1)“ lernt man, das Training
Sonstiges
Sonstiges: C4-3 Jupyter Notebook: Training von Klassifikationsbäumen verstehen mit sklearn (Klassifikationsbäume, Teil 2)
Mediathek
C4-3 Jupyter Notebook: Training von Klassifikationsbäumen verstehen mit sklearn (Klassifikationsbäume, Teil 2)
In diesem Jupyter Notebook zum Thema „C4-3 Jupyter Notebook: Training von Klassifikationsbäumen verstehen mit sklearn (Klassifikationsbäume, Teil 2)“
Sonstiges
Sonstiges: C5-2 Jupyter Notebook: Training und Test
Mediathek
C5-2 Jupyter Notebook: Training und Test
In diesem Jupyter Notebook zum Thema „C5-2 Jupyter Notebook: Training und Test“ werden wichtige Regeln für die korrekte Evaluation von Modellen
Sonstiges
Video: C3-1 Einfache Lineare Regression - Modelle für lineare Zusammenhänge (Video)
Mediathek
C3-1 Einfache Lineare Regression - Modelle für lineare Zusammenhänge (Video)
Das Video zum Thema „C3-1 Einfache Lineare Regression - Modelle für lineare Zusammenhänge“ zeigt, dass man lineare Zusammenhänge zwischen zwei
Video
Video: C5-1 Evaluationsmaße - Wie bewertet man ein Modell? (Video)
Mediathek
C5-1 Evaluationsmaße - Wie bewertet man ein Modell? (Video)
Im Video zum Thema „C5-1 Evaluationsmaße - Wie bewertet man ein Modell?“ geht es darum, KI-Modelle zu bewerten, um sie zum Beispiel auch miteinander
Video
Video: C7-4 Training von neuronalen Netzen - Üben, üben, üben (Video)
Mediathek
C7-4 Training von neuronalen Netzen - Üben, üben, üben (Video)
Das Video zum Thema „C7-4 Training von neuronalen Netzen - Üben, üben, üben“ erklärt, wie neuronale Netze trainiert werden können. Ziel des Training
Video
Video: C7-5 Verlustfunktion - Die Zielvorgabe fürs Training (Video)
Mediathek
C7-5 Verlustfunktion - Die Zielvorgabe fürs Training (Video)
Das Video „C7-5 Verlustfunktion - Die Zielvorgabe fürs Training“ erklärt, welche Verlustfunktionen sich für das Training von neuronalen Netzen eignen
Video
Video: C7-6 Netzwerkarchitekturen - Teil 3 - Encoder-Decoder-Architektur (Video)
Mediathek
C7-6 Netzwerkarchitekturen - Teil 3 - Encoder-Decoder-Architektur (Video)
Das Video „C7-6 Netzwerkarchitekturen - Teil 3 - Encoder-Decoder-Architektur“ erklärt die Encoder-Decoder-Architektur. Sie wird eingesetzt, wenn für
Video
Presentation: C7-4 Hyperparameter beim Training von neuronalen Netzen - Effizienter üben (Folien zum Video)
Mediathek
C7-4 Hyperparameter beim Training von neuronalen Netzen - Effizienter üben (Folien zum Video)
Die Folien zum Video „C7-4 Hyperparameter beim Training von neuronalen Netzen - Effizienter üben“ erklären, wie durch Hyperparameter das Training von
Präsentation
Sonstiges: C3-1 Jupyter Notebook: Einfache Lineare Regression mit sklearn
Mediathek
C3-1 Jupyter Notebook: Einfache Lineare Regression mit sklearn
In diesem Jupyter Notebook zum Thema „C3-1 Jupyter Notebook: Einfache Lineare Regression mit sklearn“ lernt man, Daten zur Anpassung eines linearen
Sonstiges
Video: C4-1 Klassifikationsbäume - Entscheidungsbäume für die Klassifikation (Video)
Mediathek
C4-1 Klassifikationsbäume - Entscheidungsbäume für die Klassifikation (Video)
Das Video zum Thema „C4-1 Klassifikationsbäume - Entscheidungsbäume für die Klassifikation“ zeigt Klassifikationsbäume, die mit Maschinellem Lernen
Video
Video: C5-3 Cross-Validierung - Evaluierung mit wenig Daten (Video)
Mediathek
C5-3 Cross-Validierung - Evaluierung mit wenig Daten (Video)
Das Video zum Thema „C5-3 Cross-Validierung - Evaluierung mit wenig Daten“ erklärt die Cross-Validierung oder Kreuzvalidierung als Möglichkeit
Video
Video: C7-6 Netzwerkarchitekturen - Teil 1 - Rekurrente neuronale Netze (Video)
Mediathek
C7-6 Netzwerkarchitekturen - Teil 1 - Rekurrente neuronale Netze (Video)
Im Video „C7-6 Netzwerkarchitekturen - Teil 1 - Rekurrente neuronale Netze“ geht es um rekurrente neuronale Netze (RNNs). Sie sind die Basis für
Video
Sonstiges: C3-2 Jupyter Notebook: Multiple Lineare Regression mit sklearn
Mediathek
C3-2 Jupyter Notebook: Multiple Lineare Regression mit sklearn
In diesem Jupyter Notebook zum Thema „C3-2 Jupyter Notebook: Multiple Lineare Regression mit sklearn“ lernt man, multiple lineare Regression in Python
Sonstiges

Als Anwendung installieren

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

Abbrechen