Kurs · Modul 393
Daten mit künstlicher Intelligenz (KI) / Machine Learning (ML) auswerten
Nach diesem Kurs kannst du eine Geschäftsfrage ehrlich als Klassifikation, Regression oder Clustering einordnen oder begründen, warum eine einfache Regel reicht. Du bereitest Daten mit sauberem Zeitpunkt-Test auf, findest Data Leakage, teilst reproduzierbar in Training und Test und schlägst jedes Modell gegen eine Baseline. Lineare Regression, k-Nearest-Neighbors, Entscheidungsbaum und k-Means verstehst du so gut, dass du sie in 16 Code-Laboren selbst programmierst. Du erkennst Overfitting, wählst Einstellungen mit Kreuzvalidierung, rechnest Accuracy, Precision, Recall, F1, MAE und RMSE von Hand und legst einen Schwellenwert nach Kosten in CHF fest. Du prüfst Fehlerraten pro Gruppe, kennst die Pflichten des DSG und die Grundzüge des EU AI Act und nutzt KI-Assistenten, ohne ihnen blind zu vertrauen oder vertrauliche Daten preiszugeben. Ehrlich gesagt: Programmieren in Python mit pandas solltest du schon ein wenig können. Das geführte Fadegrad-Projekt und die Prüfungssimulation bereiten dich gezielt auf den Kompetenznachweis im üK vor.
Dein nächster Schritt
KI, Machine Learning und die richtige Geschäftsfrage
Du unterscheidest KI, ML und generative KI, ordnest Fragen als Klassifikation, Regression oder Clustering ein und prüfst mit einer einfachen Regel als Messlatte, ob sich ML überhaupt lohnt. · 40 Min.
Dein KI-Lerncoach
Lernen mit KI, aber richtig
Der Tutor kennt dieses Modul, deine Lektion und deine Aufgaben. Er führt dich zur Lösung, statt sie vorzusagen.
Training
…
Aufgaben gelöst
Karteikarten
…
Karten im Kurs
Praxisprojekt
…
Meilensteine
Prüfung
…
bestes Ergebnis
Deine Kompetenzen
offen begonnen sicher gemeistert
Berechnet aus deinen gelösten Aufgaben. Ziel für den Kompetenznachweis: überall mindestens «sicher» auf Stufe 2.
| 1 · Grundlagen | 2 · Fortgeschritten | 3 · Erweitert | |
|---|---|---|---|
| A · Fragestellung als ML-Problem einordnen | 0% | 0% | 0% |
| B · Daten und Features vorbereiten | – | – | – |
| C · Modelle trainieren und Overfitting vermeiden | – | – | – |
| D · Modelle bewerten | – | – | – |
| E · Bias, Fairness und Datenschutz | – | – | – |
| F · KI-Assistenten kritisch nutzen | – | – | – |
Abzeichen
Lektionen
- 1KI, Machine Learning und die richtige GeschäftsfrageDu unterscheidest KI, ML und generative KI, ordnest Fragen als Klassifikation, Regression oder Clustering ein und prüfst mit einer einfachen Regel als Messlatte, ob sich ML überhaupt lohnt.Gratis40 Min.
- 2Daten und Features vorbereiten, Leakage erkennenDu bestimmst Features und Zielvariable, behandelst fehlende Werte bewusst, kodierst Kategorien, skalierst Zahlen, leitest neue Features ab und spürst Data Leakage auf.45 Min.
- 3Trainieren, testen und die Baseline schlagenDu teilst Daten reproduzierbar und geschichtet auf, trainierst Modelle mit fit und predict, vergleichst sie ehrlich mit einer Baseline und verstehst, was AutoML im Hintergrund tut.40 Min.
- 4Zahlen vorhersagen: lineare Regression, MAE und RMSEDu rechnest eine lineare Regression mit kleinsten Quadraten, deutest Steigung und Achsenabschnitt im Geschäftskontext und misst den Fehler mit MAE und RMSE auf Testdaten.40 Min.
- 5Ähnlichkeit nutzen: k-Nearest-Neighbors und k-MeansDu klassifizierst mit k-NN über die nächsten Nachbarn, findest mit k-Means Kundengruppen ohne Label und weisst, warum beide Verfahren skalierte Features brauchen.40 Min.
- 6Entscheidungsbäume, Overfitting und KreuzvalidierungDu verstehst, wie ein Baum seine Fragen wählt, erkennst Over- und Underfitting am Vergleich von Training und Test, wählst die Tiefe mit Kreuzvalidierung und begründest deine Modellwahl.45 Min.
- 7Ehrlich bewerten: Konfusionsmatrix, Precision, Recall und SchwellenwertDu liest Konfusionsmatrizen, berechnest Accuracy, Precision, Recall und F1, erkennst das Accuracy-Paradox und legst den Schwellenwert nach Kosten in CHF oder nach Kapazität fest.45 Min.
- 8Bias, Fairness, Datenschutz und KI-RegulierungDu erkennst Quellen von Bias und Proxy-Merkmale, vergleichst Fehlerraten pro Gruppe, wendest die DSG-Grundsätze auf ML an und ordnest den EU AI Act sowie die Schweizer Haltung ein.45 Min.
- 9KI-Assistenten kritisch nutzen und Ergebnisse erklärenDu formulierst präzise Prompts ohne vertrauliche Daten, prüfst KI-Ergebnisse mit Stichproben, dokumentierst deinen KI-Einsatz und erklärst ML-Ergebnisse verständlich für die Geschäftsleitung.40 Min.