In diesem Projekt erwerben die Lernenden die Fähigkeit, Modelle des maschinellen Lernens unter Verwendung von TensorFlow Decision Forests zu erstellen und zu bewerten, um Pinguinarten auf der Grundlage physischer Messungen genau zu klassifizieren. Sie werden ein umfassendes maschinelles Lernmodell unter der Anleitung des Lehrers erstellen. Die Lernenden beherrschen spezifische Fähigkeiten wie die Vorverarbeitung und Bereinigung von Daten, die Auswahl von Merkmalen und die Wichtigkeitsanalyse sowie die Modellevaluierung mit Hilfe von Leistungsmetriken. Diese Fähigkeiten werden die Lernenden in die Lage versetzen, mit realen Datenproblemen effektiv umzugehen. Der Vorteil dieses Projekts besteht darin, dass es praktische Erfahrungen in der Anwendung von maschinellen Lerntechniken auf einen realen Datensatz vermittelt und so die Fähigkeit der Lernenden verbessert, genaue und zuverlässige Modelle für ökologische und Naturschutzzwecke zu entwickeln. Dieses Projekt eignet sich für TensorFlow-Anfänger mit einem guten Python-Hintergrund, einschließlich der Kenntnis von Klassen, Funktionen und einiger Erfahrung mit Pandas oder Numpy. Obwohl konzeptionelles Wissen über Entscheidungsbäume und Zufallswälder hilfreich wäre, ist es nicht erforderlich.