Interaktive Visualisierung

Interaktive Web-Demos für Machine Learning Konzepte - organisiert nach dem ML-Workflow

Inhaltsverzeichnis

  1. 📊 Understand
  2. ✂️ Prepare
  3. 🏃 Modeling
    1. Supervised Learning
    2. Unsupervised Learning
    3. Neural Networks
    4. Convolutional Neural Networks (CNN)
    5. Regularisierung & Weitere
  4. 🔭 Evaluate

📊 Understand

Explorative Datenanalyse und statistische Grundlagen

Thema Beschreibung Link
Lage- und Streuungsmaße Mittelwert, Varianz, Standardabweichung Statistik_01
Verteilungsmaße Quantile, Boxplots, Verteilungen Verteilungsmasse
Korrelation & Kovarianz Beziehungen zwischen Variablen Korrelation_Kovarianz
Häufigkeit & Entropie Häufigkeiten und Kategorien Haeufigkeit_Entropie

✂️ Prepare

Datenaufbereitung und Feature Engineering

Thema Beschreibung Link
Missing Values Umgang mit fehlenden Werten MissingValues
Kodierung One-Hot, Label Encoding Kodierung
Skalierung Standardisierung & Normalisierung StandardisierungNormalisierung
Outlier Ausreißererkennung und -behandlung Outlier

🏃 Modeling

Machine Learning Algorithmen und Modellierung

Supervised Learning

Thema Beschreibung Link
Entscheidungsbaum Interaktive Tree-Visualisierung Entscheidungsbaum
Entropie Information Gain und Splits Entropy
Lineare Regression Regressionslinie und Residuen LineareRegression
Random Forest Visualisierung der Entscheidungsfindung Random Forest
XGBoost Abfolge lernender Entscheidungsbäume xgboost
Ensemble Stacking Kombination mehrerer Algorithmen Stacking

Unsupervised Learning

Thema Beschreibung Link
K-Means Clustering-Algorithmus KMeans
DBSCAN Density-based Clustering DBScan
Apriori Assoziationsanalyse Associationanalysis
PCA Hauptkomponentenanalyse PCA
PCA Hauptkomponentenanalyse PCA - Lamarr-Institut

Neural Networks

Thema Beschreibung Link
NN-Training Neuronales Netz - Training NN - Training - neu
Gewichte Einfache Netze visualisiert Einfache Netze
Architektur NN-Architektur Designer Neural Numbers

Convolutional Neural Networks (CNN)

Thema Beschreibung Link
CNN Filter Demo Convolutional Filter in Aktion CNN Demo
CNN Filter Matrix Filter-Matrizen verstehen CNN Filter

Regularisierung & Weitere

Thema Beschreibung Link
Regularisierung Ridge, Lasso, Elastic Net Regularization
Reinforcement Learning RL interaktiv erleben Reinforcement Learning

🔭 Evaluate

Modellbewertung und Optimierung

Thema Beschreibung Link
Klassifikationsmetriken Precision, Recall, F1-Score Threshold
Threshold Optimization Schwellenwert-Optimierung Threshold
Cross Validation k-Fold Cross-Validation Cross-Validation
Bootstrapping Resampling-Methode Bootstrapping

Version: 1.0
Stand: Januar 2026
Kurs: Machine Learning. Verstehen. Anwenden. Gestalten.