Verwaltungsinformationen
| Titel | Entscheidungsbäume |
| Dauer | 2 x 45 Minuten |
| Modulen | A |
| Unterrichtstyp | Vortrag |
| Fokussierung | Praktisch – KI-Modellierung |
| Themenbereich | Datenanalyse |
Suchbegriffe
Datensatzillustration und Vorverarbeitung, Entscheidungsbaum, Modellbau, Bestückung und Bewertung eines Entscheidungsbaums, Kreuzvalidierung,
Lernziele
- lernen Sie Grundlagen von Entscheidungsbäumen
Erwartete Vorbereitung
Lernveranstaltungen, die vorab abgeschlossen werden müssen
Obligatorisch für Studenten
- N/A
Optional für Studenten
- N/A
Referenzen und Hintergründe für Studierende
Empfohlen für Lehrer
- N/A
Unterrichtsmaterialien
Anleitung für Lehrer
Sie können diese Klasse um die Notizbücher von BME auf Data Analysis Platforms (HU) stützen
Gliederung/Zeitplan
| Dauer (min) | Beschreibung | Konzepte | Aktivität | Werkstoffe |
|---|---|---|---|---|
| 5 | Kurzbeschreibung der durchzuführenden Aufgaben | Vortrag | ||
| 10 | Datensatzillustration und Vorverarbeitung | Datenvorverarbeitung | Codierung | Jupyter Notizbuch |
| 10 | Definition eines Entscheidungsbaums | Scikit-Lernen: Entscheidungsbaum | Codierung | |
| 20 | Modellbau | Modellkomplexität, Plotting | Dokumentationen | |
| 15 | Anpassung und Bewertung eines Entscheidungsbaums | Passt | Codierung | |
| 10 | Kreuzvalidierung | Kreuzvalidierung | Dokumentationen | |
| 15 | Modellbewertung | Operationen in Numpy, Datenvorverarbeitung (Skalierung), Genauigkeit | Codierung | |
| 5 | Abschließende Bemerkungen | Dokumentationen |
Danksagung
Das Human-Centered AI Masters-Programm wurde von der Fazilität „Connecting Europe“ der Europäischen Union im Rahmen des Zuschusses „CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068“ kofinanziert.