Summary
Keywords
Full Transcript
In diesem Video stellen wir zwei weitere beliebte Klassifikations-Verfahren aus dem supervised learning vor, den decision tree (Entscheidungsbaum) und den decision forest (Entscheidungswald). Anhand eines Beispiels lernen wir die Idee und Vorgehensweise dieser Verfahren kennen. Lernziele: Du erläuterst die Idee und Vorgehensweise eines decision trees und random forests Du wendest die Vorgehensweise der Verfahren auf ein neues Beispiel an Du nennst Beispiele, wozu man decision trees und random forests verwendet = Information zum Kurs = Der Online-Kurs „KI für Alle: Einführung in die Künstliche Intelligenz” @heicad vermittelt in kurzen Lernvideos die Grundlagen Künstliche Intelligenz. Dabei lernt man ein Algorithmus programmiert wird, aber auch, was du mit KI bei deiner Arbeit, ob in der Forschung oder in einem Anwendungsfeld in der Praxis, bewirken kannst. Darüber hinaus werden die unterschiedlichen Einflüsse von KI auf den Alltag und verschiedene Lebens- sowie Forschungsbereiche beleuchtet und hinterfragt, welche Folgen daraus für die Gesellschaft resultieren. Das @HeiCAD https://www.heicad.hhu.de/lehre/ki-fuer-alle Den kompletten Kurs kann man auf dem @KICampus absolvieren unter https://ki-campus.org/courses/kifueralle-hhu = Informationen zum Video = Autor*in: Dr. Katja Theune Permalink https://doi.org/10.5446/65543 Dieses Video wurde als OER-Material auf Twillo veröffentlicht: https://www.twillo.de/edu-sharing/components/collections?id=49acbfc5-f75e-45ad-81c9-4e1ead678cd6 = Disclaimer = Transkript zu dem Video „Bäume und Wälder“, Dr. Katja Theune, https://orcid.org/0000-0002-6229-7378. Dieses Transkript wurde im Rahmen des Projekts ai4all des Heine Center for Artificial Intelligence and Data Science (HeiCAD) an der Heinrich-Heine-Universität Düsseldorf unter der Creative Commons Lizenz CC-BY 4.0 veröffentlicht. Ausgenommen von der Lizenz sind die verwendeten Logos, alle in den Quellen ausgewiesenen Fremdmaterialien sowie alle als Quellen gekennzeichneten Elemente.
