Suche | HubbS - Der Hub für berufliche Schulen

Veranstaltungen

Rahmenlehrpläne

Video: Prognosemodelle: Klassifikation und Regression | 06 | Diskussion zur Anwendung von Modellen zur Leistungsprognose (MP4)

Prognosemodelle: Klassifikation und Regression | 06 | Diskussion zur Anwendung von Modellen zur Leistungsprognose (MP4)

Bisher haben wir uns mit eher technischen Themen (z. B. Verfahren, Evaluation) beschäftigt, die bei Prognosemodellen relevant sind. In diesem Video...

Kurs: Prognosemodelle: Klassifikation und Regression | 06 | Diskussion zur Anwendung von Modellen zur Leistungsprognose (PDF)

Prognosemodelle: Klassifikation und Regression | 06 | Diskussion zur Anwendung von Modellen zur Leistungsprognose (PDF)

Bisher haben wir uns mit eher technischen Themen (z. B. Verfahren, Evaluation) beschäftigt, die bei Prognosemodellen relevant sind. In diesem Video-...

Kurs: Woche 5 | Theorie | Überwachtes Lernen (PDF)

Woche 5 | Theorie | Überwachtes Lernen (PDF)

In diesem Video-Transkript geht es intensiver um das Überwachte Lernen. Wir schauen uns an, wie beim so genannten Training aus Input-Output-Paaren...

Video: Woche 7 | Programmierung | k-nächste Nachbarn (k-NN) mit Scikit-Learn (MP4)

Woche 7 | Programmierung | k-nächste Nachbarn (k-NN) mit Scikit-Learn (MP4)

In diesem Video lernst du, ein k-nächste-Nachbarn-Modell mit dem Python-Modul Scitkit-learn zu erstellen und zu evaluieren.

Interaktion: Bildklassifikation und Bildsegmentierung | 05 | Pooling Layers in CNNs (Aufbau 3)

Bildklassifikation und Bildsegmentierung | 05 | Pooling Layers in CNNs (Aufbau 3)

Diese Aufgabe dient als Vertiefung zum Video "Pooling Layers in CNNs" aus der Sektion “Bildklassifikation und Bildsegmentierung”.

Interaktion: Bildklassifikation und Bildsegmentierung | 05 | Pooling Layers in CNNs (Aufbau 2)

Bildklassifikation und Bildsegmentierung | 05 | Pooling Layers in CNNs (Aufbau 2)

Diese Aufgabe dient als Vertiefung zum Video "Pooling Layers in CNNs" aus der Sektion “Bildklassifikation und Bildsegmentierung”.

Interaktion: Bildklassifikation und Bildsegmentierung | 05 | Pooling Layers in CNNs (Aufbau 1)

Bildklassifikation und Bildsegmentierung | 05 | Pooling Layers in CNNs (Aufbau 1)

Diese Aufgabe dient als Vertiefung zum Video "Pooling Layers in CNNs" aus der Sektion “Bildklassifikation und Bildsegmentierung”.

Unterrichtsbaustein: Grundlagen der Digitalisierung

Grundlagen der Digitalisierung

Digitalisierung ist allgegenwärtig und beeinflusst unseren Alltag in zunehmendem Maße. Wir nutzen digitale Technologien, um unsere Kommunikation zu...

Unterrichtsbaustein

Interaktion: Bildklassifikation und Bildsegmentierung | 07 | Von Bildern zu Daten. Das digitale Erfassen von alten Dokumenten (Aufgabe 2)

Bildklassifikation und Bildsegmentierung | 07 | Von Bildern zu Daten. Das digitale Erfassen von alten Dokumenten (Aufgabe 2)

Diese Aufgabe dient als Vertiefung zum Video "Von Bildern zu Daten. Das digitale Erfassen von alten Dokumenten" aus der Sektion “Bildklassifikation...

Interaktion: Bildklassifikation und Bildsegmentierung | 07 | Von Bildern zu Daten. Das digitale Erfassen von alten Dokumenten (Aufgabe 1)

Bildklassifikation und Bildsegmentierung | 07 | Von Bildern zu Daten. Das digitale Erfassen von alten Dokumenten (Aufgabe 1)

Diese Aufgabe dient als Vertiefung zum Video "Von Bildern zu Daten. Das digitale Erfassen von alten Dokumenten" aus der Sektion “Bildklassifikation...

Interaktion: Woche 10 | Theorie | Neuronale Netzwerke und die Mathe (Aufgabe 3)

Woche 10 | Theorie | Neuronale Netzwerke und die Mathe (Aufgabe 3)

Diese Aufgabe dient als Vertiefung zum Video "Neuronale Netzwerke und die Mathe" aus Woche 10.

Interaktion: Woche 10 | Theorie | Neuronale Netzwerke und die Mathe (Aufgabe 2)

Woche 10 | Theorie | Neuronale Netzwerke und die Mathe (Aufgabe 2)

Diese Aufgabe dient als Vertiefung zum Video "Neuronale Netzwerke und die Mathe" aus Woche 10.

Interaktion: Woche 10 | Theorie | Neuronale Netzwerke und die Mathe (Aufgabe 1)

Woche 10 | Theorie | Neuronale Netzwerke und die Mathe (Aufgabe 1)

Diese Aufgabe dient als Vertiefung zum Video "Neuronale Netzwerke und die Mathe" aus Woche 10.

Video: Woche 10 | Theorie | Neuronale Netzwerke und die Mathe (MP4)

Woche 10 | Theorie | Neuronale Netzwerke und die Mathe (MP4)

In diesem Video fokussieren wir uns darauf, wie sich ein Neuron mit Hilfe von Weights, Bias und Aktivierungsfunktion berechnet.

Interaktion: Woche 14 | Anwendungsbeispiele | Generative Modelle in der Praxis (Aufgabe 2)

Woche 14 | Anwendungsbeispiele | Generative Modelle in der Praxis (Aufgabe 2)

Diese Aufgabe dient als Vertiefung zum Video "Generative Modelle in der Praxis" aus Woche 14.

Interaktion: Woche 14 | Anwendungsbeispiele | Generative Modelle in der Praxis (Aufgabe 1)

Woche 14 | Anwendungsbeispiele | Generative Modelle in der Praxis (Aufgabe 1)

Diese Aufgabe dient als Vertiefung zum Video "Generative Modelle in der Praxis" aus Woche 14.

Kurs: Woche 9 | Programmierung | k-means Clustering mit Scikit-learn (PDF)

Woche 9 | Programmierung | k-means Clustering mit Scikit-learn (PDF)

In diesem Video-Transkript lernst du den Palmer Archipelago (Antarctica) Datensatz kennen, den wir mit dem k-means Algorithmus in Cluster aufteilen...

Kurs: Woche 4 | Programmierung | Module und Funktionen am Beispiel von NumPy (1) (PDF)

Woche 4 | Programmierung | Module und Funktionen am Beispiel von NumPy (1) (PDF)

In diesem Video-Transkript lernst du Module und Funktionen in Python kennen. Du importierst Module und betrachtest als Beispiel das Modul NumPy, das...

Als Anwendung installieren

Installieren Sie HubbS als App für ein besseres Nutzungserlebnis. Mehr erfahren.

Abbrechen