Daten sind wiederverwertbare Güter. Ihr Wert hängt von dem kontextübergreifenden Einsatz und der Zusammenführung mit anderen Daten ab. Allerdings können verzerrte Datensätze einen zu modellierenden Anwendungsfall ungenau darstellen. Entwickeln Sie eine Bewusstsein für die Verzerrungen in gesammelten und annotierten Daten und lernen sie Handlungsempfehlungen kennen. Mit einer praktischen Anleitung erfahren Sie, wie Sie bei der Vorverarbeitung von Daten vorgehen. Außerdem modellieren Sie in dieser Veranstaltung anhand eines kleinen Problems des maschinellen Lernens, um das Leistungspotenzial von Künstlicher Intelligenz zu entmystifizieren.

Schwerpunkte der Veranstaltung

• Welche Schritte müssen wir gehen, um zu einem guten Ergebnis in einem Umsetzungsprojekt des maschinellen Lernens zu gelangen?
• Welchen Verzerrungen können sich in Daten widerspiegeln?
• Warum ist eine Datenvorbereitung wichtig?
• Wie wähle ich Techniken zur Datenvorbereitung aus?
• Wie modelliere ich eine kleine Aufgabe des maschinellen Lernens?
• Wie erhalte ich eine transparente und vollständige Bewertung der Leistungsfähigkeit eines angelernten Modells?