KI-Entwicklung & Programmierung Schulungen
Unsupervised Learning Grundkurs: Clustering das wirkt
Von Rohdaten zu messbaren Segmenten, die KI-Teams begründen, nutzen und überwachen
- Dauer
- 2 Tage
- Format
- Präsenz oder Live-Online
- Preis
- 1.090 € netto
- Uhrzeiten
- 9:00-16:00 Uhr
- Gruppe
- max. 8 Personen
- Niveau
- Grundlagen
- Kursnummer
- KKC_0110
Aktuelle Termine und Online-Buchung: www.cmt.de/seminare/unsupervised-learning
Unsupervised Learning Grundkurs: Clustering das wirkt
Von Rohdaten zu messbaren Segmenten, die KI-Teams begründen, nutzen und überwachen
Die wichtigsten Themen
Clustering-Verfahren auswählen
Distanzmaße sicher anwenden
Clusterqualität messbar bewerten
Stabilität über Zeit prüfen
Segment-Profile ableiten
Drift und Re-Training planen
Überblick In diesem Unsupervised Learning Seminar lernst du, wie aus unbeschrifteten Daten belastbare Cluster, Kundensegmente und Anomaliegruppen entstehen, die fachlich erklärbar und operativ nutzbar sind. Der Kurs führt dich...
In diesem Unsupervised Learning Seminar lernst du, wie aus unbeschrifteten Daten belastbare Cluster, Kundensegmente und Anomaliegruppen entstehen, die fachlich erklärbar und operativ nutzbar sind. Der Kurs führt dich durch die komplette Entscheidungskette: geeignete Datenbasis definieren, Features vorbereiten, Distanz- und Ähnlichkeitsmaße auswählen, Clustering-Verfahren vergleichen und die Qualität der Ergebnisse nachvollziehbar bewerten.
Statt Algorithmen isoliert zu betrachten, arbeitest du an den Fragen, die Segmentierungen in Projekten oft entscheiden: Wann ist K-Means sinnvoll, wann liefern DBSCAN, HDBSCAN oder Gaussian Mixture Models bessere Ergebnisse? Wie beeinflussen Skalierung, kategoriale Daten, PCA, UMAP oder t-SNE die Clusterbarkeit? Und wie werden aus mathematischen Gruppen verständliche Segment-Profile, Regeln, Scorecards und Monitoring-Kriterien?
Das Training passt besonders für Data Analysts, Data Scientists sowie Marketing-, CRM- und Product-Teams, die Clustering nicht nur berechnen, sondern begründen, dokumentieren und mit Fachbereichen abstimmen müssen. Wenn du vorab Grundlagen zu Machine Learning aufbauen möchtest, ist die Data Science und Machine Learning Einführung eine passende Vorbereitung. Weitere verwandte Trainings findest du im Bereich Data Science & KI-Datenanalyse.
Die Themen Use-Cases für Segmentierung · Kundensegmente und Produktgruppen · Anomalien in unbeschrifteten Daten · Feature-Auswahl und Skalierung · Missing Values und Ausreißer · Bias, Leakage und Datenfallen...
Problemverständnis und Datenbasis
- Use-Cases für Segmentierung
- Kundensegmente und Produktgruppen
- Anomalien in unbeschrifteten Daten
- Feature-Auswahl und Skalierung
- Missing Values und Ausreißer
- Bias, Leakage und Datenfallen
Clustering-Verfahren auswählen
- K-Means und MiniBatchKMeans
- Grenzen zentroidbasierter Verfahren
- Hierarchisches Clustering und Linkage
- DBSCAN für dichtebasierte Cluster
- HDBSCAN bei variabler Dichte
- Gaussian Mixture Models
Distanz, Ähnlichkeit und Geometrie
- Euclidean Distance
- Cosine Similarity
- Manhattan Distance
- Mahalanobis Distance
- One-Hot-Encoding für Kategorien
- Embeddings und Gower-Distanz
- Curse of Dimensionality
Dimensionality Reduction und Visualisierung
- PCA für Clusterbarkeit
- UMAP für Strukturprojektionen
- t-SNE für Visualisierung
- Projektionsartefakte erkennen
- Interpretierbarkeit von Komponenten
Cluster-Qualität und Stabilität
- Silhouette Score
- Calinski-Harabasz Index
- Davies-Bouldin Index
- Elbow-Methode und Gap Statistic
- k-Auswahl mit Heuristiken
- Resampling für Stabilitätschecks
- Zeitfenster-Vergleiche
Interpretation und Business-Übersetzung
- Cluster-Profile und Treiberanalyse
- Segment-Naming für Fachbereiche
- Segment-Regeln und Scorecards
- Einfache Deployment-Szenarien
- Monitoring auf Daten-Drift
- Re-Training und Governance
Zielgruppe
- Data Analysts und Business Analysts, die Segmentierungen, Anomaliegruppen oder Produktcluster fachlich belastbar entwickeln
- Data Scientists, die Clustering-Verfahren in Machine-Learning-Projekten nachvollziehbar auswählen, bewerten und dokumentieren
- Marketing-, CRM- und Product-Teams, die Kundensegmente für Kampagnen, Angebote oder Produktentscheidungen nutzen
- BI- und Analytics-Engineers an der Schnittstelle zwischen Datenplattform, Fachbereich und Datenvisualisierung und Storytelling
Das lernst du
- Fundierte Auswahl geeigneter Clustering-Verfahren für konkrete Segmentierungs- und Analysefragen
- Saubere Vorbereitung von Features, Skalierung, kategorialen Variablen und fehlenden Werten
- Sicherer Umgang mit Distanzmaßen, Dimensionality Reduction und Visualisierungseffekten
- Bewertung von Cluster-Qualität, k-Auswahl und Stabilität mit passenden Metriken
- Übersetzung von Clustern in verständliche Segment-Profile, Regeln und Scorecards
- Planung von Monitoring, Drift-Erkennung, Re-Training und Governance für produktive Segmentierungen
So arbeiten wir
- Kurze Theorie-Impulse mit klaren Entscheidungskriterien für Clustering-Verfahren
- Geführte Praxisübungen an vorbereiteten Datensätzen
- Vergleich mehrerer Verfahren anhand identischer Analysefragen
- Gruppenarbeit zur Interpretation, Benennung und Stakeholder-Übersetzung
- Checklisten für Verfahrensauswahl, Qualitätsbewertung und Betrieb
- Diskussion typischer Datenfallen aus Segmentierungsprojekten
Empfohlene Vorkenntnisse
- Grundkenntnisse in Statistik und Datenaufbereitung
- Verständnis zentraler Machine-Learning-Begriffe
- Erfahrung mit Tabellen-, BI- oder Analysewerkzeugen
- Programmierkenntnisse hilfreich, aber nicht zwingend
- Für einen methodischen Einstieg eignet sich die Machine Learning mit Mathematik Schulung
Dein Fahrplan
Der erste Seminartag beginnt mit typischen Use-Cases für Unsupervised Learning, passenden Erfolgskriterien und den Anforderungen an eine belastbare Datenbasis. Behandelt werden Feature-Auswahl, Skalierung, Missing Values, Ausreißer, Bias, Leakage und typische Datenfallen in Segmentierungsprojekten.
Anschließend vergleichst du zentrale Clustering-Verfahren: K-Means und MiniBatchKMeans, hierarchisches Clustering mit Linkage-Strategien, DBSCAN, HDBSCAN und Gaussian Mixture Models. Ergänzend werden Distanz- und Ähnlichkeitsmaße wie Euclidean, Cosine, Manhattan, Mahalanobis und Gower eingeordnet.
Organisatorisches
Lernformate
Unsere Seminare bieten dir maximale Flexibilität: Du kannst zwischen Live-Online und Vor Ort in unseren modernen Schulungszentren im D-A-CH Raum wählen. Beide Formate garantieren dir die gleiche hohe Qualität und interaktive Lernerfahrung.
Schulungsarten
Wir bieten dir verschiedene Schulungsarten: Offene Seminare, Firmenseminare für Teams und Inhouse-Schulungen direkt bei dir vor Ort. So findest du genau das Format, das zu deinen Bedürfnissen passt.
Uhrzeiten
9:00-16:00 Uhr
Aktuelle Software
In unseren offenen Kursen arbeiten wir mit der aktuellsten Software-Version. So lernst du direkt mit den Tools und Features, die du auch in deinem Arbeitsalltag verwendest - mit klarem Alltagsbezug und zukunftsorientiert. Bei Inhouse- und Firmenschulungen bestimmt ihr die Version.
Deine Vorteile
Zufriedenheitsgarantie
Wir sind von unserer Qualität überzeugt. Sollte ein Training einmal nicht deinen Erwartungen entsprechen, bieten wir dir an, den Kurs kostenlos zu wiederholen oder ein anderes Training zu besuchen. Ohne Risiko, ohne Diskussion.
Inklusivleistungen
Deine Teilnahme beinhaltet: Schulungsmaterial, Zertifikat, Verpflegung (bei Präsenzveranstaltungen) und persönliche Betreuung durch unsere Trainer und unser Orga-Team. Alles aus einer Hand - keine versteckten Kosten.
Lernen von Experten
Unsere Trainer sind zertifizierte und erfahrene Profis mit jahrelanger Berufserfahrung. Sie vermitteln dir in den Kursen nicht nur theoretisches Wissen, sondern teilen ihre Erfahrungen aus realen Projekten und helfen dir, das Gelernte direkt in deiner täglichen Arbeit anzuwenden. Das ist kein Werbeversprechen, sondern unser Anspruch. Am besten siehst du das in unseren Bewertungen, z.B. auch bei Google.
Keine Vorkasse
Du zahlst erst nach dem Seminar. Keine Vorkasse, keine Vorauszahlung - so kannst du sicher sein, dass du nur für das bezahlst, was du auch wirklich erhalten hast. Die Rechnung erhältst du erst nach Kursbeginn.
Max. 8 Teilnehmende
Wir setzen auf kleine Gruppen, damit du die Aufmerksamkeit bekommst, die du verdienst. So haben wir mehr Zeit für deine individuellen Fragen und können gezielt auf deine Bedürfnisse eingehen.
Termine und Preise
| Zeitraum | Ort | Preis (netto) |
|---|---|---|
| 11.01. - 12.01.2027 | München oder Live-Online | 1.090 € |
| 08.03. - 09.03.2027 | München oder Live-Online | 1.090 € |
| 03.05. - 04.05.2027 | München oder Live-Online | 1.090 € |
| 05.07. - 06.07.2027 | München oder Live-Online | 1.090 € |
| 06.09. - 07.09.2027 | München oder Live-Online | 1.090 € |
Alle Preise zuzüglich gesetzlicher Mehrwertsteuer. Freie Plätze und weitere Termine findest du unter www.cmt.de/seminare/unsupervised-learning.
Firmenschulung und Inhouse
Diese Schulung gibt es auch exklusiv für dein Unternehmen, bei euch vor Ort, an unseren Standorten oder Live-Online. Inhalte und Termine stimmen wir mit euch ab.
Dein Kontakt bei cmt
Yves Hoppe
Telefon 0800 71 20000
yves.hoppe@cmt.de
Termine & Buchung
Vor Ort
Online
Nicht der passende Termin dabei?
Wir finden eine Lösung: anderer Termin, mehrere Teilnehmer, Inhouse-Schulung oder individuelle Beratung.
Lieber gleich das ganze Team schulen?
Diese Schulung gibt es auch exklusiv für dein Unternehmen, bei euch vor Ort, an unseren Standorten oder Live-Online. Inhalte und Termine nach Maß.
Wie die Planung abläuft, was ein Zuschnitt kostet und welche Themen wir abdecken, steht auf unserer Seite zu Inhouse Schulungen im Bereich KI-Entwicklung.
Inhouse-Schulung
Wir kommen zu euch: diese Schulung maßgeschneidert in euren Räumen, für Unternehmen und Behörden.
- Inhalte exakt auf euch zugeschnitten
- Termine nach euren Bedürfnissen
- Günstiger ab mehreren Teilnehmern
- Vertraute Umgebung, kein Reiseaufwand
Firmen-Seminar
Exklusiv für dein Team an einem unserer Standorte oder Live-Online, individuell angepasst.
- Geschlossene Gruppe aus eurem Haus
- Individuelle Terminplanung
- An unseren Standorten oder Live-Online
- Angepasste Inhalte
Fragen und Antworten zu Unsupervised Learning Grundkurs: Clustering das wirkt
Was ist der Unterschied zwischen Supervised und Unsupervised Learning?
Beim Supervised Learning wird mit bekannten Zielwerten trainiert, etwa einer Klasse oder Prognosegröße. Unsupervised Learning arbeitet ohne solche Labels und sucht Strukturen in Daten, zum Beispiel Cluster, Segmente oder Auffälligkeiten. Im Seminar geht es um die methodische Auswahl und Bewertung solcher Strukturen.
Brauche ich Programmierkenntnisse für das Clustering-Seminar?
Programmierkenntnisse sind hilfreich, aber nicht zwingend. Du lernst die Entscheidungslogik, Metriken und Interpretationsmethoden so, dass du Ergebnisse auch ohne eigenes Coding prüfen, erklären und mit Data-Science-Teams abstimmen kannst.
Welche Clustering-Verfahren werden behandelt?
Der Kurs behandelt K-Means, MiniBatchKMeans, hierarchisches Clustering, DBSCAN, HDBSCAN und Gaussian Mixture Models. Wichtig ist dabei nicht nur die Funktionsweise, sondern die Frage, welches Verfahren zu Datenstruktur, Distanzmaß, Clusterform und Business-Ziel passt.
Wie wird die Qualität von Clustern bewertet?
Du arbeitest mit Metriken wie Silhouette, Calinski-Harabasz und Davies-Bouldin sowie mit Elbow-Methode, Gap Statistic und Stabilitätschecks. Zusätzlich geht es um die fachliche Plausibilität der Segmente, da gute Kennzahlen allein keine nutzbare Segmentierung garantieren.
Geht es auch um kategoriale Daten und gemischte Datentypen?
Ja. Du lernst, wie Kodierungen, Embeddings und geeignete Ähnlichkeitsmaße die Clusterbildung beeinflussen. Dazu gehören typische Nebenwirkungen von One-Hot-Encoding, Gower-Distanz und die Frage, wann bestimmte Repräsentationen Segmente verzerren.
Welche Rolle spielen PCA, UMAP und t-SNE?
PCA wird als robuste Methode zur Prüfung von Struktur und Clusterbarkeit behandelt. UMAP und t-SNE dienen vor allem der Visualisierung. Im Seminar lernst du, Projektionen richtig zu interpretieren und visuelle Muster nicht mit belastbaren Clustern zu verwechseln.
Wie werden aus Clustern nutzbare Segmente?
Du erstellst Cluster-Profile, analysierst Treiber, leitest Segment-Regeln ab und übst verständliches Segment-Naming. Ziel ist, dass Fachbereiche die Ergebnisse nachvollziehen und in Kampagnen, Produktentscheidungen oder Analyseprozessen verwenden.
Wie bleiben Segmentierungen über längere Zeit brauchbar?
Der Kurs behandelt Stabilitätsprüfungen über Resampling und Zeitfenster, Monitoring gegen Daten- und Konzeptdrift sowie Kriterien für Re-Training. So lassen sich Segmentierungen nach dem ersten Modelllauf weiter kontrollieren und fachlich verantworten.
Weitere häufig gestellte Fragen und Antworten findest du in den FAQs.
Passende Schulungen nach dem Kurs
Ähnliche Kurse
Machine Learning mit Python Grundkurs (Für Python Einsteiger)
Frontend-Entwicklung für KI-Apps: Advanced Patterns und Design
OpenCode Grundkurs: die smarte Claude-Alternative
A2A-Protokoll-Schulung: KI-Agenten verbinden
APIs mit KI nutzen: RAG, Datenabruf und mehr
Unser Qualitätsversprechen: Wissen, das in der Praxis funktioniert
Aus der Praxis für die Praxis
Schluss mit theoretischem Ballast. Wir trainieren dich für reale IT-Herausforderungen, nicht für Multiple-Choice-Tests. Unsere Trainer vermitteln dir genau das Wissen, das am nächsten Montagmorgen im Job wirklich funktioniert.
Individuell statt "Schema F"
Deine Fragen passen nicht ins Standard-Skript? Bei uns schon. Wir verzichten auf starre Lehrpläne und geben deinen konkreten Projekt-Fragen Raum. Unsere Trainer passen die Inhalte flexibel an das an, was dich und dein Team aktuell weiterbringt.
Maximale Freiheit: Remote oder vor Ort
Lerne so, wie es in deinen Alltag passt - ohne Reise-Stress und Zeitverlust. Egal ob remote, hybrid oder präsent vor Ort: Wir garantieren dir ein nahtloses und effektives Lernerlebnis, egal von wo du dich zuschaltest.
Mit Zufriedenheitsgarantie
Wir sind von unserer Qualität überzeugt - und wollen, dass du es auch bist. Sollte ein Training einmal nicht deinen Erwartungen entsprechen, bieten wir dir an, den Kurs kostenlos zu wiederholen oder ein anderes Training zu besuchen. Ohne Risiko, ohne Diskussion.
Über 20.000 Unternehmen und Behörden vertrauen auf uns
