Das Artificial Intelligence Repository umfasst eine Reihe von Jupyter Notebooks, die wir für den Zertifikatsstudiengang Certified Audit Data Scientist (CADS) an der Frankfurt School of Finance and Management gGmbH erstellt haben.
Die Inhalte der Notebooks basieren auf der Programmiersprache Python und verwendet diverse zusätzliche Python-Bibliotheken, wie beispielsweise die NumPy, Pandas, Matplotlib, Seaborn oder PyTorch Bibliothek.
Wir wünschen Ihnen viel Freude bei Ihrer Datenanalyse!
Nachfolgend finden Sie unsere aktuellen Notebooks:
| Lab | Datum | Thema | Binder Launcher(s) | Gesis Launcher(s) | Colab Launcher(s) |
|---|---|---|---|---|---|
| 00 | Vorbereitung | Jupyter Test Notebook |  |
 |
 |
| 01 | Vorbereitung | Jupyter Notebook und Python | |
|
|
| 02 | 16.12.2022 | Supervised Machine Learning | |
|
|
| 03 | 16.12.2022 | Unsupervised Machine Learning | |
|
|
| 04 | 16.12.2022 | Supervised Deep Learning | |
|
|
| 05 | 16.12.2022 | Unsupervised Deep Learning | |
|
|
| 06 | 16.12.2022 | Adversarial Deep Learning | |
|
|
| 07 | 31.03.2023 | Praktische Fallstudie | |
|
|
Bitte beachten Sie, dass wie die einzelnen Notebooks kontinuierlich weiter entwickeln, rechnen Sie also bitte mit kleineren Fehlern und einigen Ecken und Kanten ;)
Sie können die Jupyter Notebooks entweder in der Cloud über Binder (https://mybinder.org/) bzw. Google Colab (https://colab.research.google.com/) oder lokal über eine Python Installation Ihres Computers ausführen.
Dies ist der einfachste Weg, ein Jupyter Notebook in Ihrem Webbrowser zu starten. Klicken Sie hierzu auf den Binder-Badge des Notebooks und eine entsprechende Notebook Umgebung wird in der Binder Cloud bereitgestellt. Hierzu ist keine Registrierung oder Anmeldung erforderlich. Denken Sie jedoch daran, dass Sie keine Daten oder Ihre Notebook-Datei in der Cloud speichern können (Sie können sie jedoch jederzeit lokal auf Ihrem Computer speichern). Bitte beachten Sie, dass das Starten eines Binder Notebook's einige Zeit in Anspruch nehmen kann.
Weitere Informationen möchten wir Sie bitten der Binder-Dokumentation entnehmen.
In Analogie zu Binder lassen sich auch Colab Notebooks starten. Klicken Sie hierzu auf den Colab-Badge des Notebooks und eine entsprechende Notebook Umgebung wird in der Google Cloud bereitgestellt. Hierzu benötigen Sie jedoch einen Google Account (z.B. Ihre Anmeldedaten für Google Mail). Nach erfolgreicher Anmeldung können Sie auch Colab kostenfrei nutzen. Colab bietet im Vergleich zu Binder die nachfolgenden beiden Vorteile: (1) Notebooks können direkt in Google Drive gespeichert und von dort gelesen werden; (2) Colab stellt schnelle Rechenressourcen z.B. GPU's kostenfrei zur Verfügung.
Weitere Informationen möchten wir Sie bitten der Colab-Dokumentation entnehmen.
Wenn Sie die Notebooks gerne lokal auf Ihrem Computer ausführen möchten, ist es zunächst notwendig, Python zu installieren. Wenn Sie sich für diese Option entscheiden, empfehlen wir die Installation von Anaconda Python, einem Paket, das die neueste Version von Python mit den gängigsten Bibliotheken für Data Science und maschinelles Lernen enthält.
Anbei können Sie eine Anaconda Installationsanleitung für verschiedene Betriebssystem sowie weitere detaillierte Installationsanleitungen finden.
Um unsere Notebooks lokal auszuführen, können Sie diese einzeln von dieser Website herunterladen, oder einfach das gesamte Repository auf Ihren Computer klonen. Wenn Sie Hilfe bei der Ausführung von Python und/oder Jupyter Notebooks benötigen, zögern Sie bitte nicht, uns zu kontaktieren (siehe unten)!
Bitte zögern Sie nicht, uns Ihre Fragen, Ideen bzw. Anregungen über die folgende Mailadresse zu senden:
marco (dot) schreyer (at) unisg (dot) ch.