Technische Anforderungen für Supervised Learning-Kurse
Um mit unseren Kursen zu Financial Analysis und maschinellem Lernen optimal arbeiten zu können, benötigen Sie eine Entwicklungsumgebung mit ausreichend Rechenleistung. Die Anforderungen variieren je nach Komplexität der Modelle und Datensätze, die Sie verarbeiten möchten.
Hardware und Software für praktische Arbeit
Die praktischen Übungen in unseren Kursen erfordern die Installation von Python-Bibliotheken wie scikit-learn, pandas und NumPy. Für anspruchsvolle Deep Learning-Module verwenden wir TensorFlow oder PyTorch. Die meisten Aufgaben laufen auf Standard-Hardware, aber für größere Datensätze und neuronale Netze beschleunigt eine GPU die Berechnungen erheblich.
Minimale Systemanforderungen
Für Einsteiger-Module ohne Deep Learning reicht ein Laptop mit 8 GB RAM. GPU-Beschleunigung wird erst in fortgeschrittenen Kursen relevant.
Empfohlene Software-Umgebung
Netzwerk und Cloud-Zugang
Falls Ihre Hardware nicht ausreicht, können Sie Google Colab kostenlos nutzen. Dort erhalten Sie Zugang zu GPUs und einer vorkonfigurierten Python-Umgebung.