Maschinelles Lernen: Potentiale und Risiken
===========================================

.. toctree::
  00-installationscheck/01-installationcheck.ipynb
  01-einfuehrung-in-toolbox/01-Einfuehrung-in-Python.ipynb
  01-einfuehrung-in-toolbox/02-Was-kann-ein-Jupyter-Notebook.ipynb
  01-einfuehrung-in-toolbox/03-Tipps-zu-JupyterLab.ipynb
  02-erste-ml-experimente/01-Kundenabwanderung.ipynb
  03-einsatzszenarien/01 maschinelles-sehen/01 Repraesentation von Grauwertbildern.ipynb
  03-einsatzszenarien/01 maschinelles-sehen/02 Erkennung von Ziffern.ipynb
  03-einsatzszenarien/01 maschinelles-sehen/03 Erprobe Ziffernerkennung.ipynb
  03-einsatzszenarien/02 texterkennung/01 Unterscheide Gedichte von Spam - naiver Ansatz.ipynb
  03-einsatzszenarien/02 texterkennung/02 Unterscheide Gedichte von Spam - Text Vectorization.ipynb
  04-grenzen-von-ml/Grenzen des Maschinellen Lernens.ipynb
  05-weiterfuehrende-beispiele/maschinelles-sehen/Klassifiziere Verkehrsschilder.ipynb