Kursbeschreibung
Du bekommst einen Datensatz mit vielen Features, erzeugst eine 2D-Projektion und plötzlich „siehst“ Du Muster. Die entscheidende Frage ist: Sind diese Muster belastbar oder nur ein Artefakt der Methode? In diesem Seminar lernst Du, genau diese Frage zu beantworten. Du startest mit den Grundlagen: Was bedeutet Dimension in realen Daten, warum werden Distanzen in hohen Dimensionen problematisch und welche Konsequenzen hat das für Visualisierung, Clustering und Ausreißeranalyse? Darauf folgt PCA als kontrollierbares Verfahren: Du lernst, wie Standardisierung, Kovarianz und Eigenvektoren zusammenhängen, wie Du erklärte Varianz interpretierst und wie Du Komponenten so auswählst, dass Du nicht nur „mehr“ reduzierst, sondern sinnvoll reduzierst. Ein Schwerpunkt ist die Interpretation: Loadings, Einfluss einzelner Features und typische Missverständnisse, wenn man PCA-Plots als „Cluster-Beweis“ liest. Im t-SNE-Teil verschiebst Du den Blick von globalen Abständen hin zu lokalen Nachbarschaften. Du lernst, Parameter wie Perplexity und Learning Rate anhand konkreter Ziele zu wählen, Ergebnisse reproduzierbar zu machen und Visualisierungen so zu prüfen, dass Du nicht von zufälligen Layouts oder Overplotting in die Irre geführt wirst. Du nutzt Qualitätschecks, um Nachbarschaftstreue zu bewerten, und lernst, wann ein PCA-Prestep t-SNE stabiler macht. Zum Abschluss vergleichst Du PCA und t-SNE anhand einer Entscheidungslogik und nimmst eine Checkliste mit, die Dir hilft, Ergebnisse sauber zu kommunizieren, inklusive klarer Grenzen dessen, was Du aus einem Plot ableiten darfst.
Die wichtigsten Themen im Überblick
- Dimensionalitätsreduktion für ML und Visualisierung nutzen
- PCA mit Skalierung, Varianz und Loadings sicher anwenden
- t-SNE-Parameter wie Perplexity und Learning Rate verstehen
- Plots richtig interpretieren und Abstände nicht überdehnen
- Leakage, falsche Skalierung und Overplotting vermeiden
- PCA und t-SNE für Analysefragen sauber vergleichen
- Robuste Workflows mit Train/Test und Cross-Validation aufbauen
- Ausreißer, Cluster und Klassen in echten Datensätzen bewerten
Zielgruppe
- Data Analysts und BI-Professionals, die hochdimensionale Daten visualisieren
- Data Scientists, die PCA oder t-SNE in Exploration und Modellvorstufen nutzen
- Machine-Learning-Engineers, die robuste Pipelines und Auswertungen bauen
- Fachkräfte aus Forschung und Produktanalyse, die Muster und Ausreißer belastbar erklären müssen
- Für alle, die PCA und t-SNE verstehen und Ergebnisse sauber interpretieren wollen
Voraussetzung für die Schulung
- Grundkenntnisse in Statistik (Mittelwert, Varianz, Korrelation) und sicherer Umgang mit Tabellen- und Diagrammbegriffen.
- Erste Erfahrung mit Datenanalyse in Python oder R ist hilfreich, aber nicht zwingend.
Kursinhalte
- Warum Dimensionalitätsreduktion überhaupt?
- Curse of Dimensionality und Distanzprobleme
- Visualisierung, Kompression, Rauschreduktion
- Was „Struktur“ in Daten wirklich bedeutet
- PCA von Grund auf richtig
- Zentrieren, Skalieren, Kovarianz und Eigenvektoren
- Erklärte Varianz, Scree-Plot, Komponentenwahl
- Loadings lesen und Features interpretieren
- Typische Fehler: Leakage, falsche Skalierung
- t-SNE verstehen statt nur klicken
- Perplexity, Learning Rate, Iterationen
- Warum globale Abstände täuschen können
- Stabilität, Random Seed und Reproduzierbarkeit
- Overplotting und sinnvolle Visualisierungen
- PCA und t-SNE sauber vergleichen
- Welche Fragen beantwortet welches Verfahren?
- Vorverarbeitung: StandardScaler, PCA-Prestep
- Qualitätschecks: Trustworthiness, Nachbarschaften
- Praxis-Workflow für echte Datensätze
- Pipeline-Denken mit Train/Test und Cross-Validation
- Visual Analytics: Klassen, Cluster, Ausreißer
- Dokumentation: Plot-Interpretation ohne Überdehnung
- Grenzen, Alternativen und Entscheidungen
- Wann UMAP sinnvoll sein kann
- Wann Feature Selection besser ist als Projektion
- Checkliste für belastbare Aussagen
