Einführung in Unsupervised Learning

Bei all dem Ruhm, den Supervised Deep Learning bekommt, kann man schnell vergessen, dass es im Bereich Machine Learning noch viel mehr gibt. Ein komplett anderer Bereich ist das Unsupervised Machine Learning, das ohne gelabelte Daten auskommt.

Als wichtiges Gebiet werden wir uns das Clustering am Beispiel von k-means und DBSCAN ansehen. Dabei lernst du, was die Unterschiede sind und wie wir die Qualität unserer Klassifikationen feststellen können.

Der zweite wichtige Bereich ist die Dimensionsreduktion entweder für eine Visualisierung von Daten in hohen Dimensionen oder für die Analyse der Unabhängigkeit von Variablen. Hier werden wir uns mit PCA und t-sne beschäftigen.

Im dritten Teil werden wir uns im Bereich Unsupervised Deep Learning und mit Embeddings, Autoencodern und GANs auseinandersetzen.

Vorkenntnisse

* Grundidee von Machine Learning

Lernziele

* Was macht Unsupervised Learning aus?
* Wie unterscheidet es sich von den anderen Arten des Machine Learning?
* Ist Unsupervised Deep Learning wichtig?