Predictive Analytics beginnt mit einer geschäftlichen Entscheidung, nicht mit einem Modell. Dieser Kurs zeigt, wie KI diesen Arbeitsablauf unterstützen kann, ohne dabei jene abwägenden Entscheidungen zu übernehmen, die Prognosen erst vertrauenswürdig machen. Sie lernen, wie man die Zielsetzung definiert, sich gegen Datenlecks (Leakage) absichert, das Validierungsverfahren wählt, Modellfamilien vergleicht, Ergebnisse interpretiert und Risiken dokumentiert – damit Ihre Prognosearbeit auch im professionellen Umfeld Bestand hat.
Der Kurs behandelt die Einordnung von KI in prädiktive Arbeitsabläufe, die Auswahl von Vorhersagezielen und Metriken sowie die Definition von Merkmalen und Zielvariablen unter Vermeidung von „Data Leakage“. Zudem werden Validierungsverfahren, die Auswahl von Baseline-Modellen (linear, baumbasiert, Boosting) und die Modellinterpretation ohne unzulässige kausale Schlussfolgerungen thematisiert, ebenso wie die für vertrauenswürdige Analysen erforderlichen Prüfungen hinsichtlich Datenschutz, Bias, Verantwortlichkeit und Dokumentation.