Preise und Lizenzmodell

Inhalt

• Einleitung Einleitung

  • Python trifft Excel für maschinelles Lernen

    33 Sek.
• 1. Erste Schritte mit Python in Excel 1. Erste Schritte mit Python in Excel

  • (Gesperrt)
    Preise und Lizenzmodell

    1 Min. 34 Sek.
  • (Gesperrt)
    Theorie: Python in Excel für maschinelles Lernen

    4 Min. 7 Sek.
  • (Gesperrt)
    Projektdaten und Herausforderungen kennenlernen

    4 Min. 51 Sek.
  • (Gesperrt)
    Die erste Python-Formel schreiben mit »=PY()«

    3 Min. 25 Sek.
  • (Gesperrt)
    Python-Bibliotheken initialisieren

    4 Min. 48 Sek.
  • (Gesperrt)
    DataFrames mit pandas auswerten

    5 Min. 7 Sek.
  • (Gesperrt)
    Visualisierungen mit Matplotlib und Seaborn

    4 Min. 9 Sek.
• 2. Machine-Learning-Grundlagen 2. Machine-Learning-Grundlagen

  • Theorie: Einstieg ins Machine Learning

    4 Min. 46 Sek.
  • (Gesperrt)
    Theorie: Daten vorbereiten

    3 Min. 10 Sek.
  • (Gesperrt)
    Theorie: Modelle bewerten

    4 Min. 6 Sek.
• 3. Lineare Regression praxisnah anwenden 3. Lineare Regression praxisnah anwenden

  • (Gesperrt)
    Theorie: lineare Regression

    5 Min. 23 Sek.
  • Regressionsanalyse über Datenanalyse erstellen

    2 Min. 52 Sek.
  • (Gesperrt)
    Regressionsanalyse analysieren und interpretieren

    3 Min. 28 Sek.
  • (Gesperrt)
    Datenvorbereitungen und Imports

    3 Min. 51 Sek.
  • (Gesperrt)
    Daten skalieren und in Trainings- und Testdaten aufteilen

    4 Min. 19 Sek.
  • (Gesperrt)
    Lineare Regression initialisieren und trainieren

    44 Sek.
  • (Gesperrt)
    Prognosen erstellen und Residuen berechnen

    2 Min. 15 Sek.
  • (Gesperrt)
    Fehlermaße berechnen (MAE, MAPE, RMSE, r²)

    4 Min. 50 Sek.
  • (Gesperrt)
    Residuen grafisch plotten

    4 Min. 14 Sek.
  • (Gesperrt)
    Challenge: Random-Forest-Regressor

    3 Min. 4 Sek.
  • (Gesperrt)
    Solution: Random-Forest-Regressor

    2 Min. 25 Sek.
  • (Gesperrt)
    Abschließende Bewertung der Modellleistung

    2 Min. 25 Sek.
  • (Gesperrt)
    Regressionsstatistik mit statsmodels

    1 Min. 28 Sek.
• 4. Klassifikation: Kategorien intelligent vorhersagen 4. Klassifikation: Kategorien intelligent vorhersagen

  • (Gesperrt)
    Theorie: Grundlagen und Nutzen der Klassifikation verstehen

    4 Min. 47 Sek.
  • (Gesperrt)
    Theorie: Konfusionsmatrix und Bewertungsmetriken

    3 Min. 56 Sek.
  • (Gesperrt)
    Korrelationsmatrix plotten und Zusammenhänge analysieren

    3 Min. 38 Sek.
  • (Gesperrt)
    K-Nearest-Neighbor-Algorithmus zur Klassifikation erstellen und trainieren

    3 Min. 30 Sek.
  • (Gesperrt)
    Vorhersagen mit tatsächlicher Kundenzufriedenheit vergleichen

    2 Min. 35 Sek.
  • (Gesperrt)
    Ergebnisse validieren: Modellleistung bewerten über Accuracy, Precision, Recall und F1-Score

    3 Min. 25 Sek.
  • (Gesperrt)
    Konfusionsmatrix visualisieren, überprüfen und interpretieren

    5 Min. 42 Sek.
  • (Gesperrt)
    DecisionTreeClassifier erstellen und vergleichen

    2 Min. 56 Sek.
  • Challenge: Klassifikationsmodelle programmieren und vergleichen

    4 Min. 10 Sek.
  • (Gesperrt)
    Solution: Klassifikationsmodelle programmieren und vergleichen

    4 Min. 11 Sek.
• 5. Clustering: Segmente in Datenbeständen entdecken 5. Clustering: Segmente in Datenbeständen entdecken

  • Theorie und Anwendung von Clustering kennenlernen

    4 Min. 59 Sek.
  • (Gesperrt)
    Kundensegmente bilden: eigenes Clustering-Modell trainieren

    3 Min. 27 Sek.
  • (Gesperrt)
    Clustergruppen visualisieren in einem Scatterplot und Boxplot

    4 Min. 48 Sek.
  • (Gesperrt)
    Clusterzentren analysieren und inverse Skalierung

    4 Min. 10 Sek.
  • (Gesperrt)
    Elbow-Methode zur optimalen Bestimmung der Anzahl der k-Cluster

    3 Min. 52 Sek.
  • (Gesperrt)
    Challenge: Gaussian-Mixture-Model (GMM) programmieren und vergleichen

    1 Min. 41 Sek.
  • (Gesperrt)
    Solution: Gaussian-Mixture-Model (GMM) programmieren und vergleichen

    1 Min. 53 Sek.
• 6. Modelloptimierung 6. Modelloptimierung

  • (Gesperrt)
    Theorie: Dimensionsreduktion

    3 Min. 35 Sek.
  • (Gesperrt)
    Dimensionsreduktion erstellen zur Identifizierung der wichtigsten Features

    3 Min. 15 Sek.
  • (Gesperrt)
    Koeffizienten der Hauptkomponenten je Variable analysieren

    2 Min. 37 Sek.
  • Regressionsmodelle trainieren basierend auf der Dimensionsreduktion

    1 Min. 59 Sek.
  • (Gesperrt)
    Klassifikationsmodelle trainieren basierend auf der Dimensionsreduktion

    3 Min. 3 Sek.
  • (Gesperrt)
    Clustering-Modelle trainieren basierend auf der Dimensionsreduktion

    1 Min. 53 Sek.
  • (Gesperrt)
    Hyperparameter-Optimierung kennenlernen

    2 Min. 28 Sek.
  • (Gesperrt)
    Hyperparameter-Optimierung für Klassifikationsmodelle

    2 Min. 13 Sek.
• 7. Neuronale Netzwerke 7. Neuronale Netzwerke

  • (Gesperrt)
    Theorie: Deep Learning und neuronale Netzwerke

    6 Min. 10 Sek.
  • Multi-Layer-Perceptron (MLP) für die Regression

    5 Min. 9 Sek.
  • (Gesperrt)
    Multi-Layer-Perceptron (MLP) zur Klassifikation

    4 Min. 35 Sek.
• 8. Copilot und Python in Excel 8. Copilot und Python in Excel

  • (Gesperrt)
    Start und Einrichtung von Copilot: erweiterte Analyse starten

    3 Min. 31 Sek.
  • (Gesperrt)
    Korrelationsmatrix und Heatmap erstellen lassen

    1 Min. 54 Sek.
  • (Gesperrt)
    Lineare Regression programmieren lassen

    3 Min. 45 Sek.
  • (Gesperrt)
    Residuenanalyse zur Überprüfung der Modellannahme durchführen lassen

    2 Min. 52 Sek.
  • (Gesperrt)
    Clustering-Modell programmieren lassen

    2 Min. 41 Sek.
  • (Gesperrt)
    Klassifizierungsmodell trainieren lassen

    5 Min. 46 Sek.
  • (Gesperrt)
    Hyperparameter anpassen

    2 Min. 33 Sek.
  • (Gesperrt)
    Dimensionsreduktion erstellen zur Identifizierung der wichtigsten Features

    2 Min. 18 Sek.
  • (Gesperrt)
    Neuronales Netzwerk erstellen lassen mit Multi-Layer-Perceptron (MLP) für die Regression

    2 Min. 12 Sek.
  • (Gesperrt)
    Neuronales Netzwerk erstellen lassen mit Multi-Layer-Perceptron (MLP) für die Klassifizierung

    2 Min. 49 Sek.
  • (Gesperrt)
    Hybrid Workflow für KI-gestützte Entwicklung von Machine-Learning-Modellen

    6 Min. 14 Sek.
• Abschluss Abschluss

  • (Gesperrt)
    Nächste Schritte

    32 Sek.