Universität · Informatik · 5. Semester – Vertiefung und Spezialisierung
Unüberwachtes Lernen und Dimensionsreduktion: Clustering und PCA
4 Abschnitte1 Karteikarten-Decks1 Quizze
Clustering-Verfahren: k-Means, DBSCAN, Hierarchisches Clustering. Bewertungsmetriken: Silhouette Score, Davies-Bouldin-Index. Dimensionsreduktion: Principal Component Analysis (PCA), t-SNE, UMAP. Assoziationsanalyse: Apriori-Algorithmus. Anwendungen: Kundensegmentierung, Anomalieerkennung, Feature Engineering.
Inhaltsübersicht
- Grundlagen des unüberwachten Lernens und k-Means Clustering
- DBSCAN und Hierarchisches Clustering
- Dimensionsreduktion: PCA, t-SNE und UMAP
- Assoziationsanalyse und praktische Anwendungen
📚 Vollständiges Lernmaterial mit 4 Abschnitten, Karteikarten und Quizzen verfügbar nach Anmeldung.
Jetzt kostenlos lernen →Verwandte Themen
- Grundlagen der Künstlichen Intelligenz: Geschichte, Paradigmen und Agenten
- Suchverfahren und Optimierung: BFS, DFS, A* und heuristische Suche
- Wissensrepräsentation und logisches Schließen: Prädikatenlogik und Ontologien
- Überwachtes Lernen: Regression, Klassifikation und Modellbewertung
- Neuronale Netze und Deep Learning: Backpropagation, CNN und RNN
- Aktuelle Entwicklungen: Transformer, Large Language Models und KI-Ethik
Interaktiv lernen mit Karteikarten & Quizzen
Melde dich an und lerne Künstliche Intelligenz und Maschinelles Lernen mit intelligenten Wiederholungen, Quizzen und KI-Lernhilfen. 7 Tage kostenlos.
Kostenlos testen