Dieser praxisorientierte Kurs vermittelt den Teilnehmern die grundlegenden Kenntnisse und praktischen Fähigkeiten, die für die Erstellung und Auswertung von Modellen des Maschinellen Lernens unter Verwendung von Python erforderlich sind. Der Kurs basiert auf dem realen Titanic-Datensatz und führt die Teilnehmer durch die gesamte Pipeline des maschinellen Lernens - von der Projekteinrichtung und dem Verständnis des Lebenszyklus bis hin zur Einsatzbereitschaft des Modells. In Modul 1 definieren die Teilnehmer die Projektstruktur des maschinellen Lernens, identifizieren wesentliche Python-Bibliotheken wie NumPy und Pandas und verstehen die konzeptionellen Grundlagen von Algorithmen wie Entscheidungsbäumen und logistischer Regression. In Modul 2 wenden die Teilnehmer Techniken der explorativen Datenanalyse an, bereinigen und bereiten Datensätze vor und konstruieren konstruierte Funktionen. Sie werden auch ihre Modelle mit Hilfe von Metriken wie Verwirrungsmatrizen und Kreuzvalidierung evaluieren, um die Reliabilität und Verallgemeinerung der Modelle zu verbessern. Am Ende dieses Kurses werden die Lernenden in der Lage sein, selbstständig Modelle des Überwachten Lernens auf realen Datensätzen zu implementieren und die Ergebnisse sicher zu interpretieren.