ML für Engineers

• Befähigung zur Entwicklung von ML-basierten Lösungen, die effektiv auf die Anforderungen und Ziele eines Projekts abgestimmt sind.
• Praktische Anwendung in hands-on Übungen, um das passende Modell (z. B. Klassifizierung, Regression, Clustering) sowie die geeigneten Features für optimale Modell-Performance auszuwählen.
• Experimente mit verschiedenen Hyperparametern zur weiteren Maximierung der Modellleistung.

• Du kennst die wichtigsten Machine-Learning-Modelle und deren Einsatzbereiche
• Du lernst die Bedeutung von und die Zusammenhänge zwischen Input, Feature, Label und Target
• Du erkennst die Unterschiede zwischen Modellparameter und Modell Hyperparameter
• Du kennst die wichtigsten Modell-Hyperparameter und deren Einfluss

• Python und Git Kenntnisse von Vorteil

Software-Engineers, System-Engineers, Middleware-Engineers und weitere Interessierte