Einführung in Python und Machine Learning

Teil 1 – Python Grundlagen

• Einführung: Installation & Setup (Anaconda, Jupyter), Vorteile von Python
• Basics: Variablen, Datentypen, Bedingungen, Schleifen, Funktionen & Module
• Fortgeschritten: Listen, Dictionaries, Sets, Fehlerbehandlung, List Comprehensions, erste Schritte in objektorientierter Programmierung

Teil 2 – Mathematische Grundlagen für Machine Learning

• Mathe Essentials: Lineare Algebra, Statistik (Mittelwert, Varianz, Korrelation), Wahrscheinlichkeiten
• Funktionen & Visualisierung: Matplotlib & Seaborn für Diagramme, Numpy für Berechnungen, Pandas für Datenanalyse

Teil 3 – Machine Learning Grundlagen

• Einführung in ML: Grundbegriffe und Konzepte
• Algorithmen: K-Nearest Neighbors, Lineare & polynomiale Regression, Entscheidungsbäume
• Modelloptimierung: Fehlerfunktionen, Overfitting & Underfitting
• Praktische Umsetzung: Arbeiten mit scikit-learn, Nutzung von Pipelines & Evaluationsmethoden