Lerner
A. Heinrich
Zielstelle
Data Scientist (KMU München)
Pfad-Berechnungs-Strategie
RG2.2-SGreedy best-gain: in jeder Iteration wird das Modul mit erfüllten Voraussetzungen gewählt, das eine der offenen Lücken schließt. Schnell und lokal optimal, aber ohne globale Sicht.
Erweiterte Optionen (Constraints)
Module
3
ECTS-Summe
21
Offen
1
Berechnungszeit
5 ms
Empfohlener Lernpfad (3 Module)
-
1
Machine Learning Grundlagen
INF-501 · 6 ECTSVoraussetzungen:Statistik Python (Computerprogrammierung)Schließt Skill-Lücke:maschinelles Lernen -
2
Deep Learning Spezialisierung
INF-602 · 9 ECTSVoraussetzungen:maschinelles LernenSchließt Skill-Lücke:Deep Learning -
3
Cloud-Technologien für Data Professionals
INF-410 · 6 ECTSVoraussetzungen:Python (Computerprogrammierung)Schließt Skill-Lücke:Cloud-Technologien
Teilweise gelöst.
Nicht jeder geforderte Skill konnte durch ein verfügbares Modul abgedeckt werden. Offen bleiben: SQL
Berechnungs-Transparenz
Greedy
Architektur:
PHP-iterativ, compute-tier-zentrisch. Alle Module einmalig in den Speicher laden, dann in PHP iterativ filtern.
Iterationen:
4
Module evaluiert:
10
Note:
In jeder Iteration werden alle Module mit erfüllten Voraussetzungen geprüft; das Modul mit gain=1 (lehrt einen offenen Skill) wird gewählt.