In diesem kurzen, praxisorientierten Kurs lernen Sie, wie Sie mithilfe des überwachten Lernens wichtige Geschäftskennzahlen prognostizieren und die Faktoren identifizieren können, die die Leistung beeinflussen. Anhand praktischer Übungen in Python erstellen und optimieren Sie Regressions- und Gradient-Boosting-Modelle, um Ergebnisse wie beispielsweise das EBITDA des nächsten Quartals vorherzusagen. Anschließend wenden Sie Techniken der erklärbaren KI an, darunter SHAP und die Bedeutung von Merkmalen, um die Modellergebnisse in klare, umsetzbare geschäftliche Erkenntnisse zu übersetzen. Am Ende des Kurses sind Sie in der Lage, die Prognosegenauigkeit zu bewerten, die Variablen zu identifizieren, die die Ergebnisse tatsächlich beeinflussen, und Ihre Erkenntnisse in einer einfachen, für Stakeholder verständlichen Sprache zu vermitteln. Dieser Kurs richtet sich an Analysten und Datenexperten und hilft Ihnen dabei, Methoden der Datenwissenschaft mit der realen Geschäftsprognose und Entscheidungsfindung zu verknüpfen.