Was tun Sie, wenn Ihre Daten nicht über beschriftete Beispiele verfügen? In diesem Modul lernen Sie das unüberwachte Lernen kennen, bei dem Algorithmen ganz von allein Struktur und Statistik in Daten finden. Sie lernen Clustering-Techniken wie K-Means und hierarchisches Clustering kennen, um ähnliche Kunden, Produkte oder Verhaltensweisen zu gruppieren, und erfahren, wie Sie Anomalien erkennen, die auf Betrug oder ungewöhnliche Ereignisse hindeuten könnten. Am Ende dieses Moduls verfügen Sie über leistungsstarke Tools, mit denen Sie verborgene Statistiken in Ihren Daten aufdecken können, die bei überwachten Methoden möglicherweise übersehen werden, und erweitern so Ihr Instrumentarium für reale Herausforderungen in der Datenwissenschaft.

Wussten Sie, dass die Datenaufbereitung oft einen größeren Einfluss auf den Erfolg eines Modells hat als die Wahl des Algorithmus? In diesem unverzichtbaren Modul erlernen Sie die entscheidenden Fähigkeiten der Datenaufbereitung und des Feature-Engineering, die Anfänger von professionellen Datenwissenschaftlern unterscheiden. Wir führen Sie durch den Umgang mit fehlenden Daten, die Kodierung kategorialer Variablen, die Skalierung von Merkmalen und die Auswahl der wichtigsten Attribute, die Ihre Modelle zu Höchstleistungen befähigen. Durch die Beherrschung dieser Techniken verbessern Sie die Genauigkeit und Zuverlässigkeit Ihrer Modelle erheblich und stellen sicher, dass sie bei unübersichtlichen Daten aus der Praxis gute Ergebnisse liefern – Daten, an denen weniger gut vorbereitete Modelle sonst scheitern würden.

Lassen Sie uns herausfinden, wie man richtig Prognosen aus zeitabhängigen Daten erstellt! In diesem Modul lernen Sie spezielle Techniken für die Arbeit mit zeitabhängigen Daten wie Aktienkursen, Umsatzprognosen und Sensormesswerten, mit denen herkömmliche ML-Ansätze nicht effektiv umgehen können. Sie werden praktische Prognosemodelle mit Tools wie ARIMA, Exponential Smoothing und Facebook Prophet implementieren und verstehen, wie man Trends, Saisonalität und andere zeitliche Muster erkennt. Am Ende dieses Moduls werden Sie in der Lage sein, genaue Prognosesysteme zu erstellen, die zukünftige Werte auf der Grundlage historischer Muster vorhersagen können, und Ihr Toolkit für maschinelles Lernen um eine leistungsstarke und gefragte Fähigkeit zu erweitern.