Am Ende dieses Kurses werden die Teilnehmer in der Lage sein, Datensätze vorzubereiten, fehlende Werte zu erkennen und zu behandeln, Imputationsstrategien anzuwenden, Korrelationsanalysen durchzuführen, Datenungleichgewichte zu beheben und Clustering mit dem Caret-Paket in R zu implementieren. Die Teilnehmer werden außerdem praktische Erfahrungen bei der Reproduktion von Forschungsergebnissen, der Validierung der Datenqualität und der Rationalisierung von Workflows für maschinelles Lernen sammeln.

Dieser Kurs richtet sich an Studenten, Fachleute und Datenenthusiasten, die ihre Fähigkeiten im Bereich des angewandten maschinellen Lernens in R ausbauen möchten. Im Gegensatz zu typischen theorieorientierten Kursen liegt der Schwerpunkt auf projektbasiertem Lernen, wobei die Teilnehmer Schritt für Schritt durch einen kompletten Workflow geführt werden - vom Einlesen von Datensätzen bis hin zu fortgeschrittener Datenvorverarbeitung und Clustering. Was diesen Kurs so einzigartig macht, ist sein Fokus auf die Lösung realer Probleme, wobei die Behandlung fehlender Daten, die Datenvorverarbeitung und das Unüberwachte Lernen in einem einzigen, zusammenhängenden Rahmen integriert werden. Die Lernenden erwerben nicht nur technische Fähigkeiten, sondern auch das Vertrauen, Projekte des Maschinellen Lernens effektiv zu strukturieren, auszuführen und zu interpretieren.