0. Vorbereitungsprojekte für Maschinelles Lernen

Dieser Kurs ist eine kuratierte Sammlung von Inhalten zu überwachtem und unüberwachtem maschinellen Lernen.WICHTIG: Dieser Kurs verwendet Materialien aus zwei früheren Kursen, die auf meinem Udemy-Profil verfügbar sind. Wenn du diese bereits belegt hast, beachte bitte, dass dies eine kombinierte und neu strukturierte Version ist, die ein einheitliches Lernerlebnis bietet, ohne zwischen mehreren Kursen wechseln zu müssen.Praktische Projekte und reale AnwendungenProjekt 1: A/B-Test für Web-TrafficIn diesem Projekt arbeitest du mit echten Web-Traffic-Daten eines Unternehmens, um den Einfluss von zwei Seitenversionen auf die Konversionsrate der Nutzer zu analysieren. Du wirst lernen:Web-Traffic-Daten mit Pandas zu bereinigen und zu analysieren.Statistische Tests wie den t-Test und Hypothesentests zur Vergleichsanalyse anzuwenden.Ergebnisse zu visualisieren und datenbasierte Entscheidungen zu treffen.Einen Bericht mit umsetzbaren Erkenntnissen zu erstellen, um die Website-Leistung zu optimieren.Projekt 2: Bankdatenanalyse für Maschinelles LernenIn diesem Praxisfall analysierst du einen Finanzdatensatz mit Kundeninformationen einer Bank, um Muster zu erkennen und Daten für zukünftige ML-Modelle vorzubereiten. Du konzentrierst dich auf:Datenbereinigung und -transformation mit Pandas und NumPy.Visuelle Analyse mit Seaborn zur Identifikation von Trends und Korrelationen.Einsatz von beschreibender Statistik zum besseren Verständnis des Kundenverhaltens.Vorbereitung des Datensatzes für prädiktive Modellierung.Projekt 3: VersicherungsdatenanalyseDu arbeitest mit Daten eines Versicherungsunternehmens, um die wichtigsten Faktoren für Kosten und Risiko zu ermitteln. Du wirst lernen:Kunden- und Schadensdaten zu bereini