| Termin | Datum | Vorlesung | Inhalt | Folien | Übungsblätter |
|---|
| 1 | 16.03.2023 | Einführung | - Organisatorisches
- Motivation Data Science / Use-Cases
- Themenfeld, ML, CRISP-DM Prozess
- Software, Tools
- Jupyter-Notebook Server
| | |
| 2 | 23.03.2023 | ausgefallen (Krankheit) | | | |
| 3 | 30.03.2023 | Python | - Kurze Wiederholung ML/Data Mining/Data Science
- Einstieg in Python, Jupyter-Notebooks
- Grundlegende Sprachkonstrukte
- Grundlegende Datentypen, Listen
| | |
| 4 | 06.04.2023 | keine Vorlesung (Studientage) | | | |
| 5 | 13.04.2023 | Datenanalyse mit Pandas | - Kurze Wiederholung Python
- Vorstellung Pandas-Modul
- Konzepte von Series/DataFrame
- Rechnen/Filtern mit DataFrames
| | |
| 6 | 20.04.2023 | Tutorial Day 1 | - Wiederholung Python Grundlagen
- Python Funktionen und Listen
| | - Aufgaben sind im Foliensatz enthalten
|
| 7 | 27.04.2023 | Tutorial Day 2 | - Wiederholung
- Übungen zu Pandas (Series, DataFrame)
- Beispiel: Strukturierte Problemlösung (Hundesteuern)
| | |
| 8 | 04.05.2023 | Maschinelles Lernen | - Übersicht über Maschinelles Lernen
- Lernaufgaben und Verfahren
- Training- und Testen, Modellvalidierung
- Python-Modul SciKitLearn
| | |
| 9 | 11.05.2023 | Klassifikation mit Bäumen | - Entscheidungsbäume zur Klassifikation
- Modell-Evaluation, Confusion-Matrix
- Modell-Training mit SciKit Learn
| | |
| 10 | 18.05.2023 | Fällt aus (Christi Himmelfahrt) | | | |
| 11 | 25.05.2023 | Klassifikation mit kNN | - Lernen nach Ähnlichkeiten
- Distanzmaße
- Klassifikation mit k-NN
| | |
| 12 | 01.06.2023 | Klassifikation (lineare Modelle 1) | - Lineare Modelle, Daten im Vektorraum
- Hyperebene, lineare Separierbarkeit
| | |
| 13 | 08.06.2023 | Fällt aus (Fronleichnam) | | | |
| 14 | 15.06.2023 | Klassifikation (lineare Modelle 2) | - Lineare Modelle (SVM)
- nicht-lineare Separierbarkeit
- Kern-Funktionen (Kernel-Trick)
| | |
| 15 | 22.06.2023 | Zusammfassung Klassifikation | Beginn um 9 Uhr! - Zusammenfassung Klassifikation
- Vorstellung der Hausarbeit
| | |
