Die Qualität von Machine-Learning-Modellen steht und fällt mit den Daten. Daher beschäftigen wir uns in diesem Themenbereich ausschließlich mit Fragen rund um das Thema Daten. Du weißt noch gar nicht, was Daten überhaupt sind? Kein Problem, schau doch einfach mal in dieses Video über Daten aus dem ersten "KI für Alle"-Kurs rein! Als erstes befassen wir uns mit der Datenbeschaffung. Wo bekommen wir überhaupt (hochwertige) Daten her? Mit welchen rechtlichen Vorgaben sollte jeder vertraut sein, der Daten sammelt und verarbeitet? Weiter geht es mit der Datenexploration. Hier beschäftigen wir uns mit einigen mathematischen und statistischen Grundlagen, bevor wir uns dann mit dem erworbenen Wissen unsere Daten einmal ganz genau ansehen. Zum Schluss kommt dann der mit Abstand zeitaufwändigste Schritt: Das Feature Engineering. Unter Feature Engineering verstehen wir alle Schritte bei der Datenaufbereitung, bei der Daten verändert werden. Normalisierung, Biaserkennung und Dimensionsreduktion: Hier findest du eine Übersicht über viele relevante Techniken, um deine Daten fit fürs Training zu bekommen! Lernziele Nach diesem Video kannst du ... ... Schritte nennen, die beim Sammeln, Bereinigen und Aufbereiten von Daten wichtig sind.