nach Werkzeug
KNIME Analytics Platform
Knoten: Alphabetisch [Liste] · Knoten: Alphabetisch [kompakt] · Knoten: Alphabetisch [eingebettete Videos]
Knoten: Buch-Reihenfolge [Liste] · Knoten: Buch-Reihenfolge [kompakt] · Knoten: Buch-Reihenfolge [eingebettete Videos]
Knoten: Repository [Liste] · Knoten: Repository [kompakt]
Anaconda / Python
nach Kapitel
Teil 1: Datenanalyseprozess
Kapitel 1: Fach- und Geschäftsverständnis
Kapitel 2: Datenverständnis
Kapitel 3: Standard-Prozessmodell
Teil 2: Sprints
Kapitel 4: Modellierung mit k-Nearest Neighbor
Kapitel 5: Datenvorbereitung
Kapitel 6: Auswertung und Einsatz der Ergebnisse
Teil 3: Klassifikation: Methoden
Kapitel 7: Naive Bayes
Kapitel 8: Entscheidungsbäume
Kapitel 9: Neuronale Netze
Kapitel 10: Lineare Klassifizierer
Kapitel 11: Ensemble Learning
Teil 4: Regression
Kapitel 12: Vorbereitung der Regressionsanalyse
Kapitel 13: Lineare und polynomiale Regression
Kapitel 14: Bekannte Methoden
Teil 5: Klassifikation vs. Regression
Kapitel 15: Mehrklassen-Klassifikation
Kapitel 16: Ungleiche Verteilungen
Kapitel 17: Konsolidierung
Teil 6: Fortgeschrittene Techniken
Kapitel 18: Feature Selection
Kapitel 19: Hyperparameteroptimierung
Kapitel 20: Präzision