In diesem Kurs lernen Sie, wie Sie mit scikit-learn eine vollautomatisierte Machine-Learning-Pipeline aufbauen. Sie lernen, numerische Merkmale zu skalieren, kategoriale Variablen zu kodieren, ein logistisches Modell zu trainieren und es mithilfe von GridSearchCV zu optimieren. Anschließend führt Sie der Kurs durch die Zusammenstellung des Workflows als wiederverwendbares Modul, das den praktischen Anforderungen des ML-Engineering und der MLOps-Praxis entspricht. Anhand von prägnanten Videos, strukturierten Lesetexten, zwei jeweils 15-minütigen Coach-Interaktionen, einer insgesamt 25-minütigen praktischen Übung und einem 45-minütigen, nicht benoteten Labor üben Sie den Aufbau und die Verfeinerung einer End-to-End-Pipeline. Am Ende verfügen Sie über einen ausgereiften, automatisierten Workflow, den Sie wiederverwenden, anpassen und in Ihre ML-Projekte oder Produktionssysteme integrieren können.