Machine Learning

Systematische Aufbereitung und Transformation von Rohdaten zu aussagekräftigen Features als Fundament erfolgreicher maschineller Lernmodelle.

Moderne Sprachmodelle weisen trotz ihrer beeindruckenden Fähigkeiten fundamentale Limitierungen auf. Diese reichen von technischen Beschränkungen wie Kontext-Fenstern bis hin zu prinzipiellen Problemen wie Halluzinationen und fehlender Weltmodellierung.

Systematische Bewertung und Optimierung maschineller Lernverfahren durch geeignete Metriken, Validierungsstrategien und Hyperparameter-Tuning für zuverlässige Produktivsysteme.

Systematische Einführung in verstärkendes Lernen von Markov-Entscheidungsprozessen über klassische Algorithmen bis zu modernen Deep Reinforcement Learning-Ansätzen.

Systematische Exploration unüberwachter Lernverfahren von klassischen Clustering-Algorithmen über moderne Anomalieerkennung bis zu generativen Modellen und Self-Supervised Learning.

Eine Übersicht über die drei Hauptkategorien des maschinellen Lernens - überwachtes, unüberwachtes und verstärkendes Lernen.

Eine kurze Einführung in den Begriff des maschinellen Lernens, eine Abgrenzung zu verwandten Disziplinen und die Unterschiede solcher Verfahren zur herkömmlichen Erstellung von Computerprogrammen.

Die historische Entwicklung des überwachten Lernens von frühen Erfolgen bis zu modernen Durchbrüchen, die maschinelles Lernen zur praktischen Realität machten.

Eine umfassende Betrachtung der Regression als fundamentales Verfahren zur Vorhersage kontinuierlicher Werte mit Analyse der wichtigsten Algorithmen von linearer Regression über polynomiale Ansätze bis zu fortgeschrittenen Regularisierungstechniken.

Eine detaillierte Betrachtung der Klassifizierung als fundamentales Verfahren des überwachten Lernens mit Analyse der wichtigsten Algorithmen wie k-NN, Naive Bayes, Support Vector Machines, Logistische Regression und Random Forests.

Systematische Übersicht über praktische Anwendungen der drei Hauptkategorien des maschinellen Lernens in Industrie, Wissenschaft und Alltag.