Der Crashkurs Machine Learning bietet eine praxisorientierte Einführung in Grundlagen, Methoden und Anwendungen des maschinellen Lernens. Am ersten Tag erlernen die Teilnehmenden theoretische Grundlagen und wenden diese in Python-Übungen direkt an, ergänzt durch eine Hausübung zur Optimierung eines eigenen Modells. Im zweiten Teil stehen Reflexion und kritische Einordnung im Vordergrund: Ethische Aspekte, typische Fehlerquellen und Bias in Machine-Learning-Modellen sowie der sinnvolle und verantwortungsbewusste Einsatz von generativer KI im Studium.
Nach Abschluss des Kurses werden die Studierenden in der Lage sein:
-
die Grundlagen des maschinellen Lernens zu beschreiben und zwischen Supervised und Unsupervised Learning zu unterscheiden.
-
mit Python einfache Machine-Learning-Modelle (z. B. Regression, Klassifikation, Clustering) zu implementieren und deren Güte zu bewerten.
-
ein eigenes Modell zu trainieren, zu optimieren und die Ergebnisse nachvollziehbar zu dokumentieren.
-
typische Fehlerquellen und Bias in Datensätzen und Modellen zu erkennen und kritisch zu reflektieren.
-
ethische Fragestellungen im Zusammenhang mit KI-Anwendungen zu diskutieren.
-
generative KI-Tools im Studium gezielt, reflektiert und verantwortungsbewusst einzusetzen.
- Trainer/in: Andreas Chiocchetti
- Trainer/in: Simeon Platte
- Trainer/in: Moritz Sturm