Info
Machine Learning mit Dirty Data: Herausforderungen und Lösungen in der Praxis
Die Qualität von KI- und Machine-Learning-Modellen steht und fällt mit ihrer Datengrundlage, ganz nach dem Prinzip „Garbage in, garbage out“. In realen Projekten sind Daten jedoch nur selten vollständig, fehlerfrei und unmittelbar nutzbar. Fehlende Werte, Duplikate, inkonsistente Formate, Messfehler, Ausreißer oder unausgewogene Klassen können die Modellqualität und Ausgabe erheblich beeinträchtigen. In diesem ganztägigen Hands-on Präsenzworkshop lernen Sie, solche Probleme systematisch zu erkennen, angemessen zu behandeln und Ihre Daten ML-ready aufzubereiten also für den Einsatz von Machine Learning und KI vorzubereiten.
Anhand praxisnaher Anwendungsfälle durchlaufen Sie die wesentlichen Schritte von der ersten Datenprüfung bis zur Bewertung eines trainierten Modells. Dabei arbeiten Sie sowohl mit klassischen tabellarischen Daten als auch mit Daten mit Zeitreiheneigenschaften.
Ein zusätzlicher Workshopblock widmet sich generativer KI: Sie erhalten einen verständlichen Einblick in die Funktionsweise großer Sprachmodelle und lernen, deren Möglichkeiten und Grenzen bei der Datenanalyse einzuschätzen. Behandelt werden unter anderem RAG, Tool-Nutzung, Validierung, Guardrails sowie typische Fehlerquellen bei der Arbeit mit Unternehmensdaten.
Darüber hinaus zeigt der Workshop, wie moderne Werkzeuge wie AutoML-Frameworks und Coding-Agenten und die Datenanalyse, Datenaufbereitung und Modellentwicklung unterstützen können und an welchen Stellen weiterhin fachliche Kontrolle und Domänenwissen erforderlich sind.
Inhalte:
- Einführung in Datenqualität und typische Formen von Dirty Data
- Aufbereitung von Dirty Data für Tabellarisches Machine Learning
- Training und Bewertung von Modellen mit Dirty Data
- Generative KI als Werkzeug für datenbezogene Aufgaben
Zielgruppe:
Fachkräfte aus Data Science, Engineering, Forschung, Entwicklung und Digitalisierung sowie Domänenexpertinnen und Domänenexperten, die mit datengetriebenen Anwendungen arbeiten oder Machine-Learning-Projekte begeleiten.
Benötigte Vorkenntnisse
Python Vorkenntnisse und Grundlagen Machine Learning
______
Der Workshop wird von KI-Expertinnen und -Experten des ZSW durchgeführt. Das ZSW arbeitet seit mehr als 25 Jahren im Bereich KI und Machine Learning und verbindet als angewandtes Forschungsinstitut wissenschaftliche Methoden mit der praktischen Umsetzung in Industrie und Forschung. Mehr über KI am ZSW
Veranstaltungsort:
Zentrum für Sonnenenergie- und Wasserstoff-Forschung Baden-Württemberg (ZSW)
Meitnerstr. 1
70563 Stuttgart
Eine Online-Teilnahme ist nicht möglich.
Kontakt:
kilab-ee@zsw-bw.de
Die Veranstaltung ist Teil des Projekts "gAInInsights" und wird im Rahmen des Kofinanzierungsprogramms Künstliche Intelligenz vom Verband Region Stuttgart gefördert.
Gefördert durch:
