Skip to main content
    Back to Courses
    Beginner

    Machine Learning for Beginners

    This beginner-friendly one-day course introduces you to Machine Learning. You'll learn the differences between supervised and unsupervised learning, implement classification and regression models, and work with real datasets using scikit-learn. No prior ML experience needed — just basic Python knowledge.

    4 Modules
    16 Lessons
    1 Tag
    Machine Learning for Beginners – 1 Tag Machine Learning course at apigenio

    Skills You'll Learn

    Supervised vs. unsupervised learning
    Linear regression & classification
    Decision trees & random forests
    k-Means clustering
    Model evaluation & metrics
    Data preprocessing & feature engineering

    Course Modules & Lessons

    1

    ML Foundations

    Core concepts, types of learning, and the ML workflow from data to prediction

    3h
    Was ist Machine Learning?

    Grundkonzepte, Anwendungsbeispiele und Abgrenzung zu klassischer Programmierung

    30min
    Supervised vs Unsupervised Learning

    Lernarten verstehen mit anschaulichen Beispielen

    25min
    Der ML-Workflow

    Von der Fragestellung über Daten zum fertigen Modell

    25min
    Jupyter Notebook & Pandas Basics

    Arbeitsumgebung einrichten und erste Datenanalyse

    30min
    2

    Supervised Learning

    Linear regression, logistic regression, decision trees, and model training

    3h
    Lineare Regression

    Grundidee, Implementierung und Interpretation der Ergebnisse

    30min
    Logistische Regression

    Klassifikation verstehen und anwenden

    25min
    Entscheidungsbäume

    Baumbasierte Modelle visuell verstehen und trainieren

    25min
    Modell trainieren & bewerten

    Train/Test Split, Overfitting erkennen und vermeiden

    30min
    3

    Unsupervised Learning & Evaluation

    Clustering, dimensionality reduction, cross-validation, and metrics

    3h
    K-Means Clustering

    Daten gruppieren und Cluster-Qualität bewerten

    25min
    Dimensionsreduktion mit PCA

    Hochdimensionale Daten visualisierbar machen

    25min
    Kreuzvalidierung

    K-Fold CV für zuverlässige Modellbewertung

    25min
    Metriken richtig lesen

    Accuracy, Precision, Recall und Confusion Matrix verstehen

    25min
    4

    Hands-On Project

    End-to-end ML project: data cleaning, feature engineering, model selection, and evaluation

    3h
    Datensatz auswählen & explorieren

    Einen realen Datensatz laden und verstehen

    30min
    Feature Engineering & Preprocessing

    Daten aufbereiten und relevante Features erstellen

    30min
    Modell trainieren & optimieren

    Verschiedene Algorithmen vergleichen und bestes Modell wählen

    30min
    Ergebnisse präsentieren

    Modell evaluieren, visualisieren und Erkenntnisse teilen

    25min

    Prerequisites

    • Basic Python knowledge
    • Understanding of basic math (algebra, statistics)

    Ready to start?

    Join thousands of students already learning.

    Your Trainer

    David Pinezich

    David Pinezich

    Experienced IT architect and trainer specializing in Python, Cloud Architecture, and Enterprise Solutions. Certified TOGAF, CISSP, and AWS professional with years of hands-on training experience.

    We use analytics cookies to improve our website. Learn more