BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//THD Veranstaltungen//th-deg.de//DE
CALSCALE:GREGORIAN
BEGIN:VEVENT
DTSTART:20260930T100000
DTEND:20261001T160000
LOCATION:THD, Campus Deggendorf
DTSTAMP:20260930T100000
SUMMARY:Quietschietage 2026
DESCRIPTION:Wir möchten unseren Erstsemestern, liebevoll „Quietschies“ genannt, den perfekten Start ins Studium ermöglichen. Deshalb findet auch dieses Jahr wieder unsere Einführungsveranstaltung namens „Quietschietage“ vom 30.09. bis 01.10.2026 am Campus Deggendorf statt. Dazu laden wir alle unsere Erstsemester herzlich ein!
Lerne die THD und deine Mitstudierende bereits vor Studienstart kennen und besuche studienrelevante Angebote sowie erste Einführungsveranstaltungen. Unser buntes Rahmenprogramm garantiert dir einen optimalen Studienstart mit jeder Menge Spaß.
UID:47b55800c92282ef7041ec5996abc635@th-deg.de
END:VEVENT
END:VCALENDAR zu erkennen – ganz ohne explizite Programmierung. Von personalisierten Empfehlungen über Bild- und Spracherkennung bis hin zur Vorhersage von Trends: Die Anwendungen sind grenzenlos!
\n
\n
\nEckdaten:
\n
\nTermin 1: 15.4.2026 von 18 bis 21:15 Uhr
\nTermin 2: 22.4.2026 von 18 bis 21:15 Uhr
\nTermin 3: 29.4.2026 von 18 bis 21:15 Uhr
\nTermin 4: 06.5.2026 von 18 bis 21:15 Uhr
\nQ&A Session (optional): 20.5.2026
\nAbgabe Projektarbeit: bis 05.6.2026
\n
\n
\n
\nOrt: online / MS Teams
\n
\n
\n
\nKursdetails:
\n
\nKurseinheit 1
\n
\nEinführung in Maschinelles Lernen (ML)
\n
\nEinsatzzwecke von ML
\n
\nUnterscheidung von ML-Systemen
\n
\nGrundsätzliche Schritte der ML-Pipeline
\n
\nDatenakquise und Daten laden
\n
\nDaten verstehen
\n
\n
\n
\nKurseinheit 2
\n
\nTrain-test-split
\n
\nDatenbereinigung
\n
\n• Warum Daten bereinigen?
\n
\n• Umgang mit fehlenden Werten
\n
\n• Duplikate entfernen
\n
\n• Erkennung von Filtern und Ausreisern
\n
\n• Umgang mit textuellen Daten
\n
\n• Skalierung und Normalisierung
\n
\n• Eigene Trasnofmer
\n
\n• Transformation Pipeline
\n
\n
\n
\nKurseinheit 3
\n
\nRegression
\n
\n• Lineare Regression
\n
\n• Decision Tree Regression
\n
\n• Random Forest Regression
\n
\nEvaluation + Validierung
\n
\n
\n
\nKurseinheit 4
\n
\nKlassifikation
\n
\n• kNN-Klassifikation
\n
\n• Naive Bayes Klassifikation
\n
\n• Decision Tree Klassifikation
\n
\nEvaluation (Teil 2/Klassifikation)
\n
\nÜbung: Klassifikation
\n
\n
\n
\nKurseinheit 5
\n
\n• optionale Q&A Session
\n
\n
\n
\nZielgruppe:
\n
\nFachkräfte, Mitarbeiter aus allen Bereichen oder IT-Interessierte, die bei einem zukunftsweisenden Thema am Ball bleiben wollen
\n
\n
\n
\nVoraussetzungen:
\n
\n• Voraussetzung sind folgende Kenntnisse
\n
\no Grundkenntnisse Python (inkl. NumPy, Pandas)
\n
\no Jupyter (Erstellen eines Jupyter Notebooks auf Ihrem Notebook)
\n
\no Conda Environment
\n
\n• Datenanalyse Kenntnisse sind von Vorteil
\n
\n• Unsere Hochschulzertifikatskurse Programmieren in Python für Anfänger und Fortgeschrittene sowie Zertifizierter Datenanalyst bieten eine optimale Basis für diesen Aufbaukurs. Natürlich können Sie dieses Vorwissen aber auch anderweitig nachweisen
\n
\n
\nPreis
\n
\n• Profitieren Sie von unseren attraktiven Preisen:
\n
\no Regulär: 999 EUR (Gesamtpreis)
\n
\no Sonderpreis für Studierende aller Hochschulen und Universitäten: 429 EUR (Gesamtpreis)
\n
\n• Die Kursgebühren sind umsatzsteuerfrei.
\n
\n
\n
\nAnmeldung:
\n
\nAnmeldung
\n
UID:33a911dafb108666dc47f6cb21593a94@th-deg.de
END:VEVENT
END:VCALENDAR