Sind Sie bereit, einen der leistungsstärksten und am besten interpretierbaren Algorithmen des maschinellen Lernens zu meistern? Dieser Kurs führt Sie Schritt für Schritt durch den gesamten Prozess des Verstehens, Erstellens und Bewertens von Entscheidungsbaummodellen unter Verwendung von Java, der Standard-Programmiersprache für Unternehmen. Zunächst befassen Sie sich mit den Kernkonzepten: Wie Entscheidungsbäume Daten partitionieren, warum Aufteilungskriterien wie Entropie und der Gini-Index wichtig sind und wann Entscheidungsbäume andere Algorithmen übertreffen. Anschließend widmen Sie sich der praktischen Umsetzung und nutzen dabei branchenübliche Tools wie die intuitive grafische Benutzeroberfläche und die Java-API von Weka sowie die leistungsstarke Bibliothek von Smile, um Modelle zu entwickeln, zu optimieren und bereitzustellen. Anhand praktischer Übungen lernen Sie, Hyperparameter zu konfigurieren, ein Gleichgewicht zwischen schnellem Prototyping und produktionsreifem Design herzustellen und robuste Techniken zur Modellbewertung wie Verwechslungsmatrizen, Kreuzvalidierung und wichtige Leistungskennzahlen anzuwenden.

Angehende und erfahrene Datenwissenschaftler, Java-Entwickler und Machine-Learning-Ingenieure, die Entscheidungsbaummodelle für reale Anwendungen in den Bereichen Finanzen, Gesundheitswesen und Geschäftsanalytik erstellen, bewerten und interpretieren möchten. Grundlegende Erfahrung in der Java-Programmierung, Verständnis für objektorientierte Konzepte sowie grundlegende Kenntnisse der Prinzipien der Datenwissenschaft sind erforderlich. Am Ende des Kurses sind Sie in der Lage, Überanpassung zu erkennen und zu reduzieren, die Modellleistung zu optimieren und Erkenntnisse sowohl technischen als auch geschäftlichen Stakeholdern effektiv zu vermitteln.