Im zweiten Kurs der Machine Learning Specialization werden Sie: - ein neuronales Netzwerk mit TensorFlow aufbauen und trainieren, um eine Mehrklassen-Klassifizierung durchzuführen - Best Practices für die Entwicklung von maschinellem Lernen anwenden, damit Ihre Modelle auf Daten und Aufgaben in der realen Welt verallgemeinert werden können - Entscheidungsbäume und Baum-Ensemble-Methoden, einschließlich Random Forests und Boosted Trees aufbauen und verwenden Die Machine Learning Specialization ist ein grundlegendes Online-Programm, das in Zusammenarbeit zwischen DeepLearning.AI und Stanford Online entwickelt wurde. In diesem einsteigerfreundlichen Programm lernen Sie die Grundlagen des maschinellen Lernens und wie Sie diese Techniken für die Entwicklung realer KI-Anwendungen einsetzen können.
Fortgeschrittene Lernalgorithmen
Dieser Kurs ist Teil von Spezialisierung Maschinelles Lernen
Dozenten: Andrew Ng
TOP-LEHRKRAFT
316.294 bereits angemeldet
(6,834 Bewertungen)
Empfohlene Erfahrung
Was Sie lernen werden
Erstellen und trainieren Sie ein neuronales Netzwerk mit TensorFlow, um eine Mehrklassen-Klassifizierung durchzuführen
Wenden Sie Best Practices für die Entwicklung von maschinellem Lernen an, damit Ihre Modelle auf Daten und Aufgaben in der realen Welt verallgemeinert werden können
Erstellen und verwenden Sie Entscheidungsbäume und Baum-Ensemble-Methoden, einschließlich Random Forests und Boosted Trees
Kompetenzen, die Sie erwerben
- Kategorie: Tensorflow
- Kategorie: Ratschläge für die Modellentwicklung
- Kategorie: Künstliches Neuronales Netzwerk
- Kategorie: Xgboost
- Kategorie: Baum-Ensembles
Wichtige Details
Zu Ihrem LinkedIn-Profil hinzufügen
14 Aufgaben
Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.
Erweitern Sie Ihre Fachkenntnisse
- Lernen Sie neue Konzepte von Branchenexperten
- Gewinnen Sie ein Grundverständnis bestimmter Themen oder Tools
- Erwerben Sie berufsrelevante Kompetenzen durch praktische Projekte
- Erwerben Sie ein Berufszertifikat zur Vorlage
Erwerben Sie ein Karrierezertifikat.
Fügen Sie diese Qualifikation zur Ihrem LinkedIn-Profil oder Ihrem Lebenslauf hinzu.
Teilen Sie es in den sozialen Medien und in Ihrer Leistungsbeurteilung.
In diesem Kurs gibt es 4 Module
In dieser Woche lernen Sie neuronale Netzwerke kennen und erfahren, wie Sie sie für Klassifizierungsaufgaben einsetzen können. Sie werden das TensorFlow-Framework verwenden, um ein neuronales Netzwerk mit nur ein paar Zeilen Code zu erstellen. Dann tauchen Sie tiefer ein und lernen, wie Sie Ihr eigenes neuronales Netzwerk in Python "von Grund auf" programmieren können. Optional können Sie mehr darüber erfahren, wie Berechnungen in neuronalen Netzwerken durch Parallelverarbeitung (Vektorisierung) effizient umgesetzt werden.
Das ist alles enthalten
17 Videos1 Lektüre4 Aufgaben1 Programmieraufgabe3 Unbewertete Labore
In dieser Woche lernen Sie, wie Sie Ihr Modell in TensorFlow trainieren. Außerdem lernen Sie andere wichtige Aktivierungsfunktionen (neben der Sigmoid-Funktion) kennen und erfahren, wo Sie jeden Typ in einem neuronalen Netzwerk einsetzen können. Sie werden auch lernen, wie Sie über die binäre Klassifizierung hinaus zur Multiklassen-Klassifizierung (3 oder mehr Kategorien) übergehen können. Bei der Multiklassenklassifizierung lernen Sie eine neue Aktivierungsfunktion und eine neue Verlustfunktion kennen. Optional können Sie auch den Unterschied zwischen der Multiklassen-Klassifizierung und der Multi-Label-Klassifizierung kennenlernen. Sie lernen den Adam-Optimierer kennen und erfahren, warum er eine Verbesserung des regulären Gradientenabstiegs für das Training neuronaler Netzwerke darstellt. Schließlich erhalten Sie eine kurze Einführung in andere Ebenentypen als die, die Sie bisher kennengelernt haben.
Das ist alles enthalten
15 Videos4 Aufgaben1 Programmieraufgabe5 Unbewertete Labore
Diese Woche lernen Sie bewährte Methoden für das Training und die Bewertung Ihrer Lernalgorithmen kennen, um die Leistung zu verbessern. Sie erhalten eine Vielzahl nützlicher Ratschläge zum Lebenszyklus des maschinellen Lernens, zur Optimierung Ihres Modells und zur Verbesserung Ihrer Trainingsdaten.
Das ist alles enthalten
17 Videos3 Aufgaben1 Programmieraufgabe2 Unbewertete Labore
In dieser Woche lernen Sie einen praktischen und weit verbreiteten Lernalgorithmus kennen: den Entscheidungsbaum. Außerdem lernen Sie Variationen des Entscheidungsbaums kennen, darunter Random Forests und Boosted Trees (XGBoost).
Das ist alles enthalten
14 Videos2 Lektüren3 Aufgaben1 Programmieraufgabe2 Unbewertete Labore
Dozenten
Empfohlen, wenn Sie sich für Maschinelles Lernen interessieren
Warum entscheiden sich Menschen für Coursera für ihre Karriere?
Bewertungen von Lernenden
6.834 Bewertungen
- 5 stars
92,83 %
- 4 stars
6,25 %
- 3 stars
0,53 %
- 2 stars
0,14 %
- 1 star
0,23 %
Zeigt 3 von 6834 an
Geprüft am 27. Feb. 2024
Great course got to learn a lot of under-the-hood working of various machine learning algorithms. I would surely recommend ML enthusiasts to enroll in this course to upskill yourself.
Geprüft am 27. Aug. 2022
After copleting the course I found all conceptual knowlegde for visualising and implementing the algorithm in my work. Before this course I was not using the full potential of the advanced algorithm
Geprüft am 29. Juli 2023
Another fantastic course by Andrew Ng! He covers neural networks, decision trees, random forest, and XGBoost models really well. I like that he shares his intuition behind every concept he explains.
Neue Karrieremöglichkeiten mit Coursera Plus
Unbegrenzter Zugang zu 10,000+ Weltklasse-Kursen, praktischen Projekten und berufsqualifizierenden Zertifikatsprogrammen - alles in Ihrem Abonnement enthalten
Bringen Sie Ihre Karriere mit einem Online-Abschluss voran.
Erwerben Sie einen Abschluss von erstklassigen Universitäten – 100 % online
Schließen Sie sich mehr als 3.400 Unternehmen in aller Welt an, die sich für Coursera for Business entschieden haben.
Schulen Sie Ihre Mitarbeiter*innen, um sich in der digitalen Wirtschaft zu behaupten.
Häufig gestellte Fragen
Der Zugang zu Vorlesungen und Aufgaben hängt von der Art Ihrer Einschreibung ab. Wenn Sie einen Kurs im Prüfungsmodus belegen, können Sie die meisten Kursmaterialien kostenlos einsehen. Um auf benotete Aufgaben zuzugreifen und ein Zertifikat zu erwerben, müssen Sie die Zertifikatserfahrung während oder nach Ihrer Prüfung erwerben. Wenn Sie die Prüfungsoption nicht sehen:
Der Kurs bietet möglicherweise keine Prüfungsoption. Sie können stattdessen eine kostenlose Testversion ausprobieren oder finanzielle Unterstützung beantragen.
Der Kurs bietet möglicherweise stattdessen die Option 'Vollständiger Kurs, kein Zertifikat'. Mit dieser Option können Sie alle Kursmaterialien einsehen, die erforderlichen Bewertungen abgeben und eine Abschlussnote erhalten. Dies bedeutet auch, dass Sie kein Zertifikat erwerben können.
Wenn Sie sich für den Kurs einschreiben, erhalten Sie Zugang zu allen Kursen der Specializations, und Sie erhalten ein Zertifikat, wenn Sie die Arbeit abgeschlossen haben. Ihr elektronisches Zertifikat wird Ihrer Erfolgsseite hinzugefügt - von dort aus können Sie Ihr Zertifikat ausdrucken oder zu Ihrem LinkedIn-Profil hinzufügen. Wenn Sie die Kursinhalte nur lesen und ansehen möchten, können Sie den Kurs kostenlos besuchen.
Wenn Sie ein Abonnement abgeschlossen haben, erhalten Sie eine kostenlose 7-tägige Testphase, in der Sie kostenlos kündigen können. Danach gewähren wir keine Rückerstattung, aber Sie können Ihr Abonnement jederzeit kündigen. Siehe unsere vollständigen Rückerstattungsbedingungen.