Konfidenzintervalle
Konfidenzintervalle legen den Bereich fest, in der ein Wert mit einer bestimmten Wahrscheinlichkeit fällt. Üblich ist das 95%-Konfidenzintervall. Man erwartet, dass der Wert mit 95%iger …
Hyperparameter Optimierung
Hyperparameter sind abhängig vom jeweiligen Modell festgelegte Einstellungen, welche die Konfiguration des Modells verändern. Bspw. die Anzahl der Bäume in einem Random Forest. Es gibt …
Baumbasierte Verfahren und Gradient Boosting
Baumbasierte Verfahren wie bspw. XGBoost (Extreme Gradient Boosting) sind die mit am weitesten verbreiteten Machine-Learning-Frameworks. Fast alle Data Scientisten kennen mindestens eines dieser Framework und …
Embeddings
Ein Embedding ist eine Darstellung von Daten — z. B. Wörtern, Sätzen, Bildern oder Produkten — in Form eines Vektors (also einer Liste von Zahlen). …
Virtual Environments
VENV In Python gibt es mehrere Möglichkeiten ein virtuelles Environment zu erstellen. Eine davon ist das Modul „venv“: Um das Environment zu aktivieren benötigt man …
Chatbot
In diesem Beitrag wird eine einfache Chat App mit Vertex AI erstellt. Das Code Repository findet ihr hier: https://github.com/gochxx/chatapp Google Cloud konfigurieren Zunächst sollte man …
Docker
In diesem Beitrag wird beschrieben, wie man eine einfache Data Science App mit Frontend und Backend in Docker Container verpackt. Als Beispielanwedung verwende ich die …
Cloud Deployment
In diesem Beiträg möchte ich darauf eingehen, wie man eine einfache App in der Cloud deployen kann. Es handelt sich dabei um ein einfaches Data …
Explainable A.I. – SHAP
Grundidee SHAP (SHapey Additive exPlanations) messen den Beitrag von Features zur Gesamtvorhersage in Machine-Learning-Modellen. Sie basieren auf der Spieltheorie und messen dort den fairen Beitrag …
Einfache Frontends
Um einfach Frontends für ein Data Science Projekt zu erstellen gibt es verschiedene Möglichkeiten. In diesem Fall gehe ich davon aus, dass das Projekt so …