Machine-Learning-Katalog
Vom Einstieg bis zum Expertenniveau — einzeln oder als Paket mit Erfolgsbescheinigung kaufen.
Berufe im Machine Learning überführen geschäftliche Anforderungen und Daten in zuverlässige prädiktive Modelle, die bewertet, optimiert, bereitgestellt und überwacht werden. Dieser Lernpfad entwickelt Kompetenzen, die insbesondere Data Scientists und Machine Learning Engineers benötigen, und vertieft Modelle, Bewertung, Optimierung sowie den technischen Lebenszyklus vom Experiment bis zur Produktion. Diese Machine-Learning-Kompetenzen werden anschließend im Data-Scientist-Lernpfad in einen breiteren beruflichen Kontext gestellt, der zusätzlich Scoping, Experimente, Kausalität, komplexe Daten und die Steuerung eines Data-Science-Produkts abdeckt.
Jeder Kurs umfasst 8 interaktive Lektionen in einem Learning Workspace, der Wissen in unmittelbar einsetzbare Kompetenzen überführt. Geführte Lektionen, dynamische Quiz, dialogorientierte Begleitung, Praxisfälle, ergänzende Ressourcen und Fortschrittsverfolgung ermöglichen effizientes Lernen im eigenen Tempo. Die 15 Kurse folgen einer gestuften Progression — von der Eingrenzung eines Machine-Learning-Problems bis zur Bereitstellung, Überwachung und professionellen Vertretung einer vollständigen prädiktiven Lösung.
🎓 15 Kurse • 📚 120 interaktive Lektionen • ⏱️ 45 bis 75 Stunden dialogorientierte Weiterbildung
⭐ Bestes Angebot
Machine Learning — Komplettpaket (15 Lernpfade)
ML01 → ML15 · 1 800 Credits enthalten
142,90 € zzgl. MwSt.
Ersparnis : 104,60 €
29,70 €
22,90 zzgl. MwSt.
Ersparnis : 6,80 €
Machine Learning verstehen und ein Problem richtig eingrenzen
Einen geschäftlichen Bedarf in ein messbares Machine-Learning-Problem übersetzen und entscheiden, ob ML tatsächlich sinnvoll ist
Informationen zur Weiterbildung
Data Analysts, Data Scientists, Machine Learning Engineers und Entwickler, die zuverlässige und reproduzierbare Machine-Learning-Lösungen entwickeln möchten.
Keine besonderen Voraussetzungen für den Einstieg. Sicherer Umgang mit digitalen Werkzeugen wird empfohlen; spätere technische Kurse können Kenntnisse in Entwicklung oder Datenverarbeitung voraussetzen.
- Verstehen, welchen konkreten Mehrwert Machine Learning liefert
- Klassifikation, Regression und weitere Problemfamilien erkennen
- Vor jedem komplexen Modell eine Baseline aufbauen
- Workshop: entscheiden, ob ein Problem tatsächlich Machine Learning erfordert
- Einen geschäftlichen Bedarf in ein messbares Machine-Learning-Problem übersetzen und entscheiden, ob ML tatsächlich sinnvoll ist
- Überwachtes und unüberwachtes Lernen unterscheiden
- Training, Validierung und Inferenz unterscheiden
- Workshop: entscheiden, ob ein Problem tatsächlich Machine Learning erfordert
3 bis 5 Std.
9,90 € zzgl. MwSt.
Daten für Machine Learning vorbereiten und untersuchen
Einen nutzbaren Datensatz erstellen, ohne Bias, Data Leakage oder Inkonsistenzen einzuführen
Informationen zur Weiterbildung
Data Analysts, Data Scientists, Machine Learning Engineers und Entwickler, die zuverlässige und reproduzierbare Machine-Learning-Lösungen entwickeln möchten.
Grundlagen des Lernpfads kennen oder die vorherigen Kurse absolviert haben. Bereits eingeführte Konzepte werden in diesem Kurs wiederverwendet und vertieft.
- Verteilungen, Datentypen und Datenqualität untersuchen
- Numerische und kategoriale Variablen vorbereiten
- Ungleichgewichte und unzureichende Repräsentativität erkennen
- Workshop: einen Datensatz vor der Modellierung prüfen und vorbereiten
- Einen nutzbaren Datensatz erstellen, ohne Bias, Data Leakage oder Inkonsistenzen einzuführen
- Fehlende Werte und Ausreißer behandeln
- Variablen skalieren, wenn das Modell es erfordert
- Workshop: einen Datensatz vor der Modellierung prüfen und vorbereiten
3 bis 5 Std.
9,90 € zzgl. MwSt.
Eine erste reproduzierbare ML-Pipeline aufbauen
Vorverarbeitung, Training, Vorhersage und Bewertung in einem reproduzierbaren Workflow verketten
Informationen zur Weiterbildung
Data Analysts, Data Scientists, Machine Learning Engineers und Entwickler, die zuverlässige und reproduzierbare Machine-Learning-Lösungen entwickeln möchten.
Grundlagen des Lernpfads kennen oder die vorherigen Kurse absolviert haben. Bereits eingeführte Konzepte werden in diesem Kurs wiederverwendet und vertieft.
- Eine reproduzierbare ML-Umgebung einrichten
- Vorverarbeitungstransformationen erstellen
- Erste Metriken berechnen und überprüfen
- Workshop: eine erste reproduzierbare ML-Pipeline ausliefern
- Vorverarbeitung, Training, Vorhersage und Bewertung in einem reproduzierbaren Workflow verketten
- Eine Baseline mit scikit-learn aufbauen
- Die Pipeline trainieren und Vorhersagen erzeugen
- Workshop: eine erste reproduzierbare ML-Pipeline ausliefern
3 bis 5 Std.
9,90 € zzgl. MwSt.
38,70 €
28,90 zzgl. MwSt.
Ersparnis : 9,80 €
Regressionsprobleme lösen
Modelle zur Vorhersage numerischer Werte entwerfen, vergleichen und bewerten
Informationen zur Weiterbildung
Data Analysts, Data Scientists, Machine Learning Engineers und Entwickler, die zuverlässige und reproduzierbare Machine-Learning-Lösungen entwickeln möchten.
Grundlagen des Lernpfads kennen oder die vorherigen Kurse absolviert haben. Bereits eingeführte Konzepte werden in diesem Kurs wiederverwendet und vertieft.
- Eine kontinuierliche Zielvariable verstehen und eine Baseline aufbauen
- Regularisierung und ihren Nutzen verstehen
- R² interpretieren, ohne es zu überschätzen
- Workshop: mehrere Regressionsmodelle für einen Geschäftsbedarf vergleichen
- Modelle zur Vorhersage numerischer Werte entwerfen, vergleichen und bewerten
- Eine lineare Regression erstellen
- Zwischen MAE, MSE und RMSE wählen
- Workshop: mehrere Regressionsmodelle für einen Geschäftsbedarf vergleichen
3 bis 5 Std.
12,90 € zzgl. MwSt.
Klassifikationsprobleme lösen
Klassifikationsmodelle aufbauen und Metriken sowie Schwellenwerte passend zu den realen Fehlerkosten wählen
Informationen zur Weiterbildung
Data Analysts, Data Scientists, Machine Learning Engineers und Entwickler, die zuverlässige und reproduzierbare Machine-Learning-Lösungen entwickeln möchten.
Grundlagen des Lernpfads kennen oder die vorherigen Kurse absolviert haben. Bereits eingeführte Konzepte werden in diesem Kurs wiederverwendet und vertieft.
- Klassen verstehen und eine Baseline aufbauen
- Bäume und Random Forest einsetzen
- Precision, Recall und F1 vergleichen
- Workshop: einen Klassifikator nach den Kosten von Fehlentscheidungen auswählen
- Klassifikationsmodelle aufbauen und Metriken sowie Schwellenwerte passend zu den realen Fehlerkosten wählen
- Eine logistische Regression erstellen
- Eine Konfusionsmatrix lesen
- Workshop: einen Klassifikator nach den Kosten von Fehlentscheidungen auswählen
3 bis 5 Std.
12,90 € zzgl. MwSt.
Modelle korrekt bewerten und vergleichen
Eine verlässliche Leistungsschätzung erhalten und irreführende Schlussfolgerungen bei der Modellauswahl vermeiden
Informationen zur Weiterbildung
Data Analysts, Data Scientists, Machine Learning Engineers und Entwickler, die zuverlässige und reproduzierbare Machine-Learning-Lösungen entwickeln möchten.
Grundlagen des Lernpfads kennen oder die vorherigen Kurse absolviert haben. Bereits eingeführte Konzepte werden in diesem Kurs wiederverwendet und vertieft.
- Das Risiko einer zu optimistischen Bewertung verstehen
- Mit Cross-Validation bewerten
- Mehrere Modelle anhand konsistenter Metriken vergleichen
- Workshop: ein belastbares Bewertungsprotokoll entwickeln
- Eine verlässliche Leistungsschätzung erhalten und irreführende Schlussfolgerungen bei der Modellauswahl vermeiden
- Hold-out korrekt einsetzen
- Die zeitliche Reihenfolge mit einem Time Split respektieren
- Workshop: ein belastbares Bewertungsprotokoll entwickeln
3 bis 5 Std.
12,90 € zzgl. MwSt.
47,70 €
35,90 zzgl. MwSt.
Ersparnis : 11,80 €
Features entwickeln und auswählen
Aussagekräftige Variablen ohne Data Leakage erzeugen und Komplexität reduzieren, wenn dies das Modell verbessert
Informationen zur Weiterbildung
Data Analysts, Data Scientists, Machine Learning Engineers und Entwickler, die zuverlässige und reproduzierbare Machine-Learning-Lösungen entwickeln möchten.
Grundlagen des Lernpfads kennen oder die vorherigen Kurse absolviert haben. Bereits eingeführte Konzepte werden in diesem Kurs wiederverwendet und vertieft.
- Die Rolle von Feature Engineering verstehen
- Zeitbezogene Variablen ohne Informationsleck erzeugen
- Methoden zur Feature-Auswahl einsetzen
- Workshop: ein Modell mit begründeten Features verbessern
- Aussagekräftige Variablen ohne Data Leakage erzeugen und Komplexität reduzieren, wenn dies das Modell verbessert
- Numerische Variablen und nützliche Transformationen erstellen
- Redundanz und Multikollinearität erkennen
- Workshop: ein Modell mit begründeten Features verbessern
3 bis 5 Std.
15,90 € zzgl. MwSt.
Modelle und Hyperparameter optimieren
Underfitting und Overfitting reduzieren und Hyperparameter suchen, ohne die finale Bewertung zu kontaminieren
Informationen zur Weiterbildung
Data Analysts, Data Scientists, Machine Learning Engineers und Entwickler, die zuverlässige und reproduzierbare Machine-Learning-Lösungen entwickeln möchten.
Grundlagen des Lernpfads kennen oder die vorherigen Kurse absolviert haben. Bereits eingeführte Konzepte werden in diesem Kurs wiederverwendet und vertieft.
- Underfitting, Overfitting, Bias und Varianz verstehen
- Einen Grid Search mit Cross-Validation aufbauen
- Rechenzeit und Suchraum kontrollieren
- Workshop: eine Hyperparameteroptimierung durchführen und dokumentieren
- Underfitting und Overfitting reduzieren und Hyperparameter suchen, ohne die finale Bewertung zu kontaminieren
- Gelernte Parameter und Hyperparameter unterscheiden
- Die tatsächlich zu optimierende Metrik wählen
- Workshop: eine Hyperparameteroptimierung durchführen und dokumentieren
3 bis 5 Std.
15,90 € zzgl. MwSt.
Daten ohne Labels untersuchen
Clustering, Dimensionsreduktion und Anomalieerkennung nutzen, um Strukturen ohne überwachtes Ziel zu verstehen
Informationen zur Weiterbildung
Data Analysts, Data Scientists, Machine Learning Engineers und Entwickler, die zuverlässige und reproduzierbare Machine-Learning-Lösungen entwickeln möchten.
Grundlagen des Lernpfads kennen oder die vorherigen Kurse absolviert haben. Bereits eingeführte Konzepte werden in diesem Kurs wiederverwendet und vertieft.
- Ziele des unüberwachten Lernens verstehen
- Mit K-means segmentieren
- Die Dimension mit PCA reduzieren
- Workshop: eine explorative Segmentierung aufbauen und interpretieren
- Clustering, Dimensionsreduktion und Anomalieerkennung nutzen, um Strukturen ohne überwachtes Ziel zu verstehen
- Daten für Clustering vorbereiten
- DBSCAN und unregelmäßig geformte Cluster kennenlernen
- Workshop: eine explorative Segmentierung aufbauen und interpretieren
3 bis 5 Std.
15,90 € zzgl. MwSt.
56,70 €
42,90 zzgl. MwSt.
Ersparnis : 13,80 €
Modelle interpretieren, erklären und kritisch hinterfragen
Faktoren verstehen, die Vorhersagen beeinflussen, und Situationen erkennen, in denen Erklärungen irreführend sein können
Informationen zur Weiterbildung
Data Analysts, Data Scientists, Machine Learning Engineers und Entwickler, die zuverlässige und reproduzierbare Machine-Learning-Lösungen entwickeln möchten.
Grundlagen des Lernpfads kennen oder die vorherigen Kurse absolviert haben. Bereits eingeführte Konzepte werden in diesem Kurs wiederverwendet und vertieft.
- Vorhersageleistung und Erklärbarkeit unterscheiden
- Feature Importance mit Vorsicht analysieren
- Lokale Erklärungen vom Typ SHAP kennenlernen
- Workshop: eine Erklärbarkeitsanalyse inklusive Grenzen erstellen
- Faktoren verstehen, die Vorhersagen beeinflussen, und Situationen erkennen, in denen Erklärungen irreführend sein können
- Koeffizienten und einfache Parameter interpretieren
- Partial Dependence Plots verstehen
- Workshop: eine Erklärbarkeitsanalyse inklusive Grenzen erstellen
3 bis 5 Std.
18,90 € zzgl. MwSt.
Ungleichgewichte, Bias, Robustheit und Zuverlässigkeit beherrschen
Modellqualität über Durchschnittsmetriken hinaus bewerten und Risiken für Populationen und schwierige Fälle kontrollieren
Informationen zur Weiterbildung
Data Analysts, Data Scientists, Machine Learning Engineers und Entwickler, die zuverlässige und reproduzierbare Machine-Learning-Lösungen entwickeln möchten.
Grundlagen des Lernpfads kennen oder die vorherigen Kurse absolviert haben. Bereits eingeführte Konzepte werden in diesem Kurs wiederverwendet und vertieft.
- Folgen starker Klassenungleichgewichte erkennen
- Metriken und Schwellenwerte für seltene Fälle wählen
- Robustheit und Sensitivität gegenüber gestörten Daten testen
- Workshop: die Zuverlässigkeit eines Modells vor einer Entscheidung kritisch prüfen
- Modellqualität über Durchschnittsmetriken hinaus bewerten und Risiken für Populationen und schwierige Fälle kontrollieren
- Gewichtung und Resampling methodisch einsetzen
- Leistung zwischen Untergruppen vergleichen
- Workshop: die Zuverlässigkeit eines Modells vor einer Entscheidung kritisch prüfen
3 bis 5 Std.
18,90 € zzgl. MwSt.
Experimente nachverfolgen und Modellversionen verwalten
Experimente vergleichbar, auditierbar und reproduzierbar machen und anschließend den Modelllebenszyklus verwalten
Informationen zur Weiterbildung
Data Analysts, Data Scientists, Machine Learning Engineers und Entwickler, die zuverlässige und reproduzierbare Machine-Learning-Lösungen entwickeln möchten.
Grundlagen des Lernpfads kennen oder die vorherigen Kurse absolviert haben. Bereits eingeführte Konzepte werden in diesem Kurs wiederverwendet und vertieft.
- Experiment, Run und ML-Artefakt verstehen
- Modelle, Abbildungen und Artefakte nachverfolgen
- Versionen, Aliases, Tags und Metadaten verwalten
- Workshop: die vollständige Nachverfolgbarkeit eines Modellkandidaten aufbauen
- Experimente vergleichbar, auditierbar und reproduzierbar machen und anschließend den Modelllebenszyklus verwalten
- Parameter und Metriken mit MLflow Tracking protokollieren
- Ein Modell im Model Registry registrieren
- Workshop: die vollständige Nachverfolgbarkeit eines Modellkandidaten aufbauen
3 bis 5 Std.
18,90 € zzgl. MwSt.
74,70 €
48,90 zzgl. MwSt.
Ersparnis : 25,80 €
Deep Learning verstehen und praktisch anwenden
Die wesentlichen Mechanismen neuronaler Netze verstehen und ein einfaches Modell trainieren, ohne den Lernpfad in fortgeschrittenem Deep Learning zu verlieren
Informationen zur Weiterbildung
Data Analysts, Data Scientists, Machine Learning Engineers und Entwickler, die zuverlässige und reproduzierbare Machine-Learning-Lösungen entwickeln möchten.
Grundlagen des Lernpfads kennen oder die vorherigen Kurse absolviert haben. Bereits eingeführte Konzepte werden in diesem Kurs wiederverwendet und vertieft.
- Tensoren, Schichten und neuronale Netze verstehen
- Loss-Funktion und Optimierung verstehen
- Ein einfaches Netz mit PyTorch aufbauen und trainieren
- Workshop: ein einfaches neuronales Netz mit einer klassischen Baseline vergleichen
- Die wesentlichen Mechanismen neuronaler Netze verstehen und ein einfaches Modell trainieren, ohne den Lernpfad in fortgeschrittenem Deep Learning zu verlieren
- Aktivierungsfunktionen und eine einfache Architektur wählen
- Batch, Epoch und DataLoader verwenden
- Workshop: ein einfaches neuronales Netz mit einer klassischen Baseline vergleichen
3 bis 5 Std.
24,90 € zzgl. MwSt.
Ein ML-Modell bereitstellen, überwachen und pflegen
Von einem validierten Modell zu einem nutzbaren, versionierten, beobachtbaren und wartbaren Produktionsservice übergehen
Informationen zur Weiterbildung
Data Analysts, Data Scientists, Machine Learning Engineers und Entwickler, die zuverlässige und reproduzierbare Machine-Learning-Lösungen entwickeln möchten.
Grundlagen des Lernpfads kennen oder die vorherigen Kurse absolviert haben. Bereits eingeführte Konzepte werden in diesem Kurs wiederverwendet und vertieft.
- Ein zuverlässiges Artefakt für die Inferenz vorbereiten
- Ein Modell über eine Inference-API bereitstellen
- Latenz, Fehler und Qualität der Eingangsdaten überwachen
- Workshop: einen Vorhersageservice bereitstellen und überwachen
- Von einem validierten Modell zu einem nutzbaren, versionierten, beobachtbaren und wartbaren Produktionsservice übergehen
- Batch Prediction und Online Inference unterscheiden
- Registry, Versionen, Promotion und Rollback verwalten
- Workshop: einen Vorhersageservice bereitstellen und überwachen
3 bis 5 Std.
24,90 € zzgl. MwSt.
Vollständiges professionelles Machine-Learning-Projekt
Eine ML-Lösung durchgängig entwerfen, bewerten, erklären, versionieren, bereitstellen und fachlich vertreten
Informationen zur Weiterbildung
Data Analysts, Data Scientists, Machine Learning Engineers und Entwickler, die zuverlässige und reproduzierbare Machine-Learning-Lösungen entwickeln möchten.
Grundlagen des Lernpfads kennen oder die vorherigen Kurse absolviert haben. Bereits eingeführte Konzepte werden in diesem Kurs wiederverwendet und vertieft.
- Churn-Problem und Fehlerkosten eingrenzen
- Pipelines, Features und Modellkandidaten entwickeln
- Experimente nachverfolgen und das finale Modell versionieren
- Abschlussworkshop: die ML-Lösung und ihre Grenzen präsentieren und vertreten
- Eine ML-Lösung durchgängig entwerfen, bewerten, erklären, versionieren, bereitstellen und fachlich vertreten
- Daten vorbereiten und eine Baseline aufbauen
- Segmente, Fehler und Erklärbarkeit analysieren
- Abschlussworkshop: die ML-Lösung und ihre Grenzen präsentieren und vertreten
3 bis 5 Std.
24,90 € zzgl. MwSt.