Machine Learning Tutorial

Lerne grundlegende MLOps und die durchgängige Entwicklung und Bereitstellung von ML-Pipelines.

In diesem Tutorial lernst du, wie du Convolutional Neural Networks (CNNs) in Python mit Keras implementierst und wie du das Overfitting mit Dropout überwinden kannst.

Ein umfassendes Handbuch zum Erstellen, Visualisieren und Interpretieren von Entscheidungsbaummodellen mit R.

Lerne das beliebteste Deep-Learning-Modell RNN kennen und sammle praktische Erfahrungen, indem du einen MasterCard-Aktienkursvorhersager baust.

Clustering ist die häufigste Form des unüberwachten Lernens, eine Art von maschinellem Lernalgorithmus, der verwendet wird, um aus unmarkierten Daten Rückschlüsse zu ziehen.

Lerne die gängigen Tricks, um kategoriale Daten zu verarbeiten und sie für die Erstellung von Machine-Learning-Modellen vorzubereiten!

Lerne die Lasso- und Ridge-Techniken der Regression kennen. Vergleiche und analysiere die Methoden im Detail.

Ein detaillierter Leitfaden zur Zeitreihenprognose. Lerne, Python und die dazugehörigen Frameworks zu benutzen. Lerne die statistische Modellierung kennen.

Lerne die PCA kennen und erfahre, wie sie genutzt werden kann, um Informationen aus den Daten zu extrahieren, ohne dass diese überwacht werden müssen, indem du zwei beliebte Datensätze verwendest: Brustkrebs und CIFAR-10.

Verstehe die Grundlagen des Reinforcement Learning (RL) und erkunde das Softwarepaket Gymnasium, um RL-Algorithmen mit Python zu erstellen und zu testen.

Verstehe die Kernkonzepte von Self Organizing Maps und lerne, wie du sie mit MiniSom in Python umsetzen kannst.

Lerne, wie du die MySQL-Datenbank in Docker-Containern einrichtest und konfigurierst. Das Tutorial beinhaltet Konzepte wie die Verbindung zu MySQL-Servern, das Ausführen von MySQL-Clients zur Verbindung mit Containern und so weiter.