Kurs freischalten

Modul 259 meistern. Mit allem, was eine gute Nachhilfe ausmacht.

Nach diesem Kurs kannst du ein Problem aus dem Betrieb ehrlich als ML-Aufgabe einordnen oder begründen, warum eine einfache Regel reicht. Du erkundest und bereinigst Daten mit pandas, teilst sie ohne Data Leakage auf und baust Aufbereitung und Modell in eine scikit-learn-Pipeline. Du trainierst lineare Regression, k-NN, Entscheidungsbäume, Random Forest und logistische Regression, vergleichst sie mit einer Baseline und stimmst Hyperparameter mit Kreuzvalidierung ab. Accuracy, Precision, Recall, F1, MAE und RMSE rechnest du auch von Hand, du liest Konfusionsmatrizen und leitest einen Schwellenwert aus den Kosten von Fehlentscheiden ab. Du stellst ein Modell als FastAPI-Dienst im Docker-Container bereit und planst Überwachung und Neutraining. Und du prüfst Fairness pro Gruppe, berücksichtigst das Schweizer Datenschutzgesetz und dokumentierst die Grenzen deines Modells. In 15 Code-Laboren programmierst du die Kernverfahren selbst. Ehrlich gesagt: Ein eigenes Projekt durchziehen musst du selbst. Das geführte Projekt und die Prüfungssimulation sind genau dafür gemacht.