Maschinelles Lernen: Potentiale und Risiken

• Installation Check
  • In welcher Conda-Umgebung befinden wir uns?
  • Welche Python-Version ist installiert?
  • Sind alle Bibliotheken installiert?
  • Weitere Schritte
• Einführung in Python
  • Grundsätzliche Syntax
  • Variablen
  • Datentypen
    • Datentypen verändern
  • Operatoren
    • Relationale Operatoratoren (Beziehung)
  • Funktionales Programmieren
    • def
    • lambda
  • Kontrollfluss-Statements
    • Bedingungen
      • If
      • If-else
      • Else if
  • Schleifen
    • For-Schleifen
    • While-Schleifen
    • Break - Ausbrechen aus einer Schleife
  • Bibliotheken
    • Mathematische Funktionen - math
  • Mit Datenmengen arbeiten
    • Listen (list)
    • Tupel (Tuple)
    • Mengen (Set)
    • Wörterbuch (Dictionary)
    • Datenvisualisierung
    • Pandas
• Was kann ein Jupyter Notebook?
• Jupyter-Notebook-spezifische Funktionalitäten
• Tipps zu JupyterLab
  • Nutzen Sie „Table of Contents“
  • Setzen Sie die Ausgabe des Jupyter Notebooks beim Öffnen zurück
  • Setzen Sie den Python-Kernel nach größeren Änderungen zurück
• Kundenabwanderung
  • Einlesen der Daten
  • Umwandlung in korrekte Typen
  • Wahrscheinlichkeit, dass ein Kunde abspringt
  • Eine ML-basierte Prognose
• Repräsentation von Grauwertbildern
  • Ausschneiden von Bildteilen
• Erkennung von Ziffern
  • Darstellung einer Ziffer
  • Vorverarbeitung der Bilder
  • Ein weiterer Klassifizierer
• Erprobe Ziffernerkennung
• Unterscheide Gedichte von Spam - naiver Ansatz
  • Lade Daten
  • Feature Engineering
  • Teile Daten auf
  • Trainiere Entscheidungsbaum
  • Untersuche Ergebnis
• Unterscheide Gedichte von Spam - Text Vectorization
• Grenzen des Maschinellen Lernens
  • Feature Engineering falsch gemacht
• Klassifiziere Verkehrsschilder