| Termin |
Datum |
Vorlesung |
Inhalt |
Folien |
Übungsblätter |
| 1 |
08.04.2021 |
1 |
- Organisatorische
- Motivation Data Science / Use-Cases
- Themenfeld, ML, CRISP-DM Prozess
- Software, Tools
- Jupyter-Notebook Server
|
|
|
| 2 |
15.04.2021 |
2 |
- Kurze Wiederholung ML/Data Mining/Data Science
- Einstieg in Python, Jupyter-Notebooks
- Grundlegende Sprachkonstrukte
- Grundlegende Datentypen, Listen
|
|
|
| 3 |
22.04.2021 |
3 |
- Kurze Wiederholung Python
- Vorstellung Pandas-Modul
- Konzepte von Series/DataFrame
- Rechnen/Filtern mit DataFrames
- Extra-Foliensatz zu group-by
|
|
|
| 4 |
29.04.2021 |
4 |
- Übersicht über Maschinelles Lernen
- Lernaufgaben und Verfahren
- Training- und Testen, Modellvalidierung
- Python-Modul SciKitLearn
|
|
|
| 5 |
06.05.2021 |
5 |
- Entscheidungsbäume zur Klassifikation
- Modell-Evaluation, Confusion-Matrix
- Modell-Training mit SciKit Learn
|
|
|
| 6 |
11.05.2021 |
Christi Himmelfahrt |
- Feiertag - Vorlesung fällt aus
|
|
|
| 7 |
20.05.2021 |
Tutorial Day |
- Tutorial-Day: Wiederholung von Python und Pandas
|
|
|
| 8 |
27.05.2021 |
6 |
- Lernen nach Ähnlichkeiten
- Distanzmaße
- Klassifikation mit k-NN
|
|
|
| 9 |
03.06.2021 |
Fronleichnam |
- Feiertag - Vorlesung fällt aus
|
|
|
| 10 |
10.06.2021 |
7 |
- Lineare Modelle, Daten im Vektorraum
- Hyperebene, lineare Separierbarkeit
|
|
|
| 11 |
17.06.2021 |
Gastvorlesung |
- Gastvortrag: Jonas Rashedi
|
|
|
| 12 |
24.06.2021 |
8 |
- Lineare Modelle (SVM)
- nicht-lineare Separierbarkeit
- Kern-Funktionen (Kernel-Trick)
|
|
|
| 13 |
01.07.2021 |
9 |
- Zusammenfassung Klassifikation
- Fragerunde
|
|
|
| 14 |
08.07.2021 |
10 |
- Informationen zur Hausarbeit
- Wiederholung/Frage zur Normalisierung
- Übung: Python Aufgabe der 2. Test Hausarbeit
|
|
|
| 15 |
15.07.2021 |
11 |
- Problemstrukturierung: Vorgehen beim Programmieren
- Übung: Pandas Aufgabe der 2. Test Hausarbeit
|
|
|
| 16 |
30.07.2021 |
Hausarbeit |
- Thema/Story: Daten zu Olympia
- Python-Grundlagen, Deskriptive Statistiken
- Modellierung/Klassifikation mit ML
|
|
|
