Praxisworkshop
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 begleiten wir einen ML-Workflow von der ersten Datenprüfung über die Aufbereitung bis zur Modellierung und Bewertung.
Workshop-Inhalte
Thematische Schwerpunkte
Datenqualität
Typische Formen von Dirty Data identifizieren, Datenqualität bewerten und relevante Fehlerbilder erkennen.
Daten-aufbereitung
Geeignete Strategien für tabellarische Daten und Daten mit Zeitreiheneigenschaften auswählen und anwenden.
Modellierung & Bewertung
Modelle trainieren, Ergebnisse bewerten und den Einfluss der Datenqualität auf die Modellgüte nachvollziehen.
Moderne ML-Werkzeuge
AutoML, Coding-Agenten und generative KI als Unterstützung im Daten- und ML-Workflow einordnen.
Dirty Data und generative KI
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 mit realen Daten einzuschätzen. Behandelt werden unter anderem RAG, Tool-Nutzung, Validierung, Guardrails sowie typische Fehlerquellen bei der Arbeit mit Unternehmensdaten.
Das nehmen Sie mit
- Typische Datenqualitätsprobleme systematisch erkennen und beurteilen
- Geeignete Maßnahmen zur Datenaufbereitung auswählen
- Auswirkungen der Datenqualität auf Machine-Learning-Modelle einschätzen
- Moderne KI-Werkzeuge sinnvoll einsetzen und ihre Grenzen erkennen
Organisation
Für wen ist der Workshop gedacht?
Zielgruppe
Fachkräfte aus Data Science, Engineering, Forschung, Entwicklung und Digitalisierung sowie Domänenexpertinnen und Domänenexperten, die mit datengetriebenen Anwendungen arbeiten oder Machine-Learning-Projekte begleiten.
Vorkenntnisse
Python-Grundkenntnisse und Grundlagen in Machine Learning.
Alle Veranstaltungsdetails finden Sie bei Eveeno.
Machine Learning am ZSW
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.
Die Veranstaltung ist Teil des Projekts gAInInsights und wird im Rahmen des Kofinanzierungsprogramms Künstliche Intelligenz vom Verband Region Stuttgart gefördert.
Gefördert durch:
