Dieses Modul bildet die Grundlage für den Rest des Kurses, indem es in die grundlegenden Konzepte des maschinellen Lernens einführt und insbesondere zeigt, wie man maschinelles Lernen mit Python und dem scikit-learn-Modul für maschinelles Lernen durchführt. Zunächst werden Sie die grundlegenden Arten des maschinellen Lernens kennenlernen. Als nächstes lernen Sie einen wichtigen Schritt vor der Anwendung von Algorithmen für maschinelles Lernen kennen: die Vorverarbeitung von Daten. Schließlich lernen Sie, wie Sie verschiedene Arten von Algorithmen für maschinelles Lernen in einem Python-Skript nutzen können.

In diesem Modul werden drei Algorithmen für maschinelles Lernen vorgestellt. Zunächst lernen Sie, wie die lineare Regression als ein Problem des maschinellen Lernens mit Parametern betrachtet werden kann, die rechnerisch durch Minimierung einer Kostenfunktion bestimmt werden müssen. Als nächstes werden Sie die logistische Regression kennenlernen. Trotz ihres Namens ist die logistische Regression ein Klassifizierungsalgorithmus. Schließlich lernen Sie den Entscheidungsbaum kennen, einen beliebten Algorithmus für maschinelles Lernen, der sowohl für die Klassifizierung als auch für die Regression verwendet werden kann. In diesem Modul wird das Konzept der maschinellen Klassifizierung vertieft, bei dem Algorithmen aus vorhandenen, markierten Daten lernen, um neue, ungesehene Daten in bestimmte Kategorien zu klassifizieren, sowie das Konzept der maschinellen Regression, bei dem Algorithmen aus Daten ein Modell lernen, um Vorhersagen für neue, ungesehene kontinuierliche Daten zu treffen. Diese Algorithmen unterscheiden sich zwar in ihren mathematischen Grundlagen, werden aber häufig zur Klassifizierung von Zahlen-, Text- und Bilddaten oder zur Durchführung von Regressionen in einer Vielzahl von Bereichen verwendet.

In diesem Modul werden drei weitere Algorithmen für maschinelles Lernen vorgestellt: k-nearest neighbors, support vector machine und random forest. Alle diese Algorithmen können entweder für Klassifizierungs- oder Regressionsaufgaben verwendet werden.

Die Modellbewertung ist ein wesentlicher Bestandteil jedes Datenanalyseprojekts. Sie hilft herauszufinden, wie gut das Modell bei der Vorhersage zukünftiger Daten (außerhalb der Stichprobe) funktionieren wird. In diesem Modul werden grundlegende Metriken zur Modellbewertung für Algorithmen des maschinellen Lernens vorgestellt. Zunächst werden die Bewertungsmetriken für die Regression vorgestellt. Anschließend werden die Metriken und Techniken zur Bewertung der Klassifizierung vorgestellt.

Dieses Modul führt Sie in die Techniken der Modelloptimierung ein. Zunächst werden die grundlegenden Techniken der Merkmalsauswahl vorgestellt. Als nächstes wird die Technik der Kreuzvalidierung vorgestellt, die eine genauere Bewertung der Modelle ermöglicht. Schließlich wird die Modellauswahl bzw. die Abstimmung der Hyperparameter vorgestellt, die die Kreuzvalidierung nutzt.

In diesem Modul beginnen Sie, Ihre neuen Kenntnisse des maschinellen Lernens auf ein spannendes Thema der Datenanalyse anzuwenden: Textanalyse. Zunächst werden wir uns den Prozess ansehen, durch den Textdaten in numerische Daten umgewandelt werden, die von einem Computer verarbeitet werden können. Damit einher geht eine Reihe neuer Konzepte, die sich auf die Manipulation dieser Daten konzentrieren, um bessere Vorhersagen durch maschinelles Lernen zu erstellen. Zweitens werden wir Algorithmen des maschinellen Lernens, insbesondere die Klassifizierung, auf Textdaten anwenden. Schließlich werden wir uns mit den fortgeschritteneren Konzepten der Textanalyse befassen und eine spezielle Art der Textklassifizierung vorstellen: die Sentimentanalyse.

In diesem Modul wird das Clustering vorgestellt, bei dem Datenpunkte auf der Grundlage bestimmter Eigenschaften, wie dem räumlichen Abstand oder der lokalen Dichte von Punkten, Untergruppen von Punkten zugeordnet werden. Während Menschen Cluster in einem gegebenen Datensatz oft mit Leichtigkeit visuell finden, ist das Problem rechnerisch eine größere Herausforderung. Dieses Modul beginnt mit der Erforschung der grundlegenden Ideen hinter dieser unüberwachten Lerntechnik. Eine der populärsten Clustering-Techniken, K-means, wird vorgestellt. Anschließend wird eine Fallstudie zu K-means vorgestellt. Schließlich wird die dichtebasierte DBSCAN-Technik vorgestellt.

In diesem Modul werden Zeit- und Datumsdaten vorgestellt, die einzigartige Lernmöglichkeiten und Herausforderungen bieten. Zunächst werden wir besprechen, wie man Zeit- und Datumsmerkmale in einem Python-Programm richtig handhabt. Anschließend werden wir diese Diskussion auf den Umgang mit Daten erweitern, die durch Zeit- und Datumsinformationen indiziert sind, was als Zeitseriendaten bezeichnet wird.