Ein weiterer alternativer Ansatz für Regression und Klassifizierung sind Support-Vektor-Maschinen (SVMs). In diesem Modul werden Sie SVMs erstellen, die gut mit Ausreißern umgehen können und hochdimensionale Daten effizient verarbeiten können.

Alle bisher besprochenen Algorithmen fallen unter das allgemeine Dach des maschinellen Lernens. Sie sind zwar an sich schon leistungsstark und komplex, aber die Algorithmen, die den Teilbereich des Deep Learning ausmachen - die künstlichen neuronalen Netze (ANNs) - sind es noch mehr. In diesem Modul werden Sie eine grundlegende Version eines ANN, ein so genanntes mehrschichtiges Perzeptron (MLP), entwickeln, das dieselben grundlegenden Aufgaben (Regression, Klassifizierung usw.) bewältigen kann, aber besser geeignet ist, um kompliziertere und datenintensivere Probleme zu lösen.

Nachdem Sie nun MLP neuronale Netze erstellt haben, können Sie diese in zwei weitere Architekturen einbinden: Faltungsneuronale Netze (CNNs), die sich hervorragend für die Lösung von Computer-Vision-Problemen eignen, und rekurrente neuronale Netze (RNNs), die am häufigsten zur Verarbeitung natürlicher Sprachen verwendet werden.

Sie werden an einem Projekt arbeiten, in dem Sie Ihr Wissen aus diesem Kurs auf ein praktisches Szenario anwenden werden.