• Grundbegriffe Machine Learning
• KNIME-Intro und Basic-Aufgabe (mit Datensatz vertraut machen) 
• Gruppenaufgabe: Business Case aus dem (noch unvollständigen) Datensatz erarbeiten 

• Grundbegriffe Machine Learning
• KNIME-Intro und Basic-Aufgabe (mit Datensatz vertraut machen) 
• Gruppenaufgabe: Business Case aus dem (noch unvollständigen) Datensatz erarbeiten 

Grundbegriffe & Grundlagen 

• Crisp-DM 
  • Business Understanding 
  • Data Understanding 
  • Data preparation  
• Übungsaufgabe: Datensatz einlesen, verbinden, bereinigen 
• Ausblick: Supervised Learning und Train Test Splits 

Grundbegriffe & Grundlagen 

• Crisp-DM 
  • Business Understanding 
  • Data Understanding 
  • Data preparation  
• Übungsaufgabe: Datensatz einlesen, verbinden, bereinigen 
• Ausblick: Supervised Learning und Train Test Splits 

• Recap der ersten Selbstlernphase
• Vorbereitung Übungsaufgabe: Modellierung und Evaluation 
• Übungsaufgabe: Grundlegender Supervised Learning Workflow  
• Ausblick auf Modellierung und Evaluation 

• Recap der ersten Selbstlernphase
• Vorbereitung Übungsaufgabe: Modellierung und Evaluation 
• Übungsaufgabe: Grundlegender Supervised Learning Workflow  
• Ausblick auf Modellierung und Evaluation 

Machine Learning in Aktion – Vom Datensatz zum intelligenten Modell 

• CRISP-DM Evaluation: Qualität von Modellen bewerten
• Lineare/Logarithmische Regression, Entscheidungsbäume, Neuronale Netze als Klassifikation und Regression vorgestellt  
• Evaluation von Klassifikationsmodellen. Metriken und ROC Curves 
• Übungsaufgabe: Den Klassifikationsworkflow für einen Decision Tree bauen
• Fehler bei Regressionsmodellen bewerte 
• Vertiefung: Neuronale Netze 
• Ausblick: ML-Operations

Machine Learning in Aktion – Vom Datensatz zum intelligenten Modell 

• CRISP-DM Evaluation: Qualität von Modellen bewerten
• Lineare/Logarithmische Regression, Entscheidungsbäume, Neuronale Netze als Klassifikation und Regression vorgestellt  
• Evaluation von Klassifikationsmodellen. Metriken und ROC Curves 
• Übungsaufgabe: Den Klassifikationsworkflow für einen Decision Tree bauen
• Fehler bei Regressionsmodellen bewerte 
• Vertiefung: Neuronale Netze 
• Ausblick: ML-Operations

• Recap der zweiten Selbstlernphase 
• Praxisbeispiel erklärbare Klassifikation 
• Was hat das alles mit KI zu tun? LLMs, RAGs, KI als Automatisierungsbaustein 
• Relevante Fragen im Unternehmen (Compliance, EU AI Act, Cloud, KI Einführung) 

• Recap der zweiten Selbstlernphase 
• Praxisbeispiel erklärbare Klassifikation 
• Was hat das alles mit KI zu tun? LLMs, RAGs, KI als Automatisierungsbaustein 
• Relevante Fragen im Unternehmen (Compliance, EU AI Act, Cloud, KI Einführung)