Es gibt zahlreiche Arten von Algorithmen des maschinellen Lernens, von denen jeder bestimmte Eigenschaften hat, die ihn für die Lösung eines bestimmten Problems mehr oder weniger geeignet machen können. Entscheidungsbäume und Support-Vektor-Maschinen (SVMs) sind zwei Beispiele für Algorithmen, die sowohl Regressions- als auch Klassifizierungsprobleme lösen können, die aber unterschiedliche Anwendungen haben. Ein fortschrittlicherer Ansatz des maschinellen Lernens, das so genannte Deep Learning, verwendet künstliche neuronale Netze (ANNs), um diese und weitere Probleme zu lösen. Dieser vierte und letzte Kurs im Rahmen des CAIP-Zertifikats (Certified Artificial Intelligence Practitioner) knüpft an den vorherigen Kurs an, indem er weitere und in einigen Fällen fortgeschrittenere Algorithmen vorstellt, die sowohl beim maschinellen Lernen als auch beim Deep Learning verwendet werden. Wie zuvor werden Sie mehrere Modelle erstellen, die Geschäftsprobleme lösen können, und zwar innerhalb eines Workflows. Letztendlich schließt dieser Kurs die technische Erkundung der verschiedenen Algorithmen des maschinellen Lernens ab und zeigt, wie diese zur Erstellung von Problemlösungsmodellen verwendet werden können.
Schenken Sie Ihrer Karriere Coursera Plus mit einem Rabatt von $160 , der jährlich abgerechnet wird. Sparen Sie heute.
Entscheidungsbäume, SVMs und künstliche neuronale Netze erstellen
Dieser Kurs ist Teil von CertNexus Zertifizierte/r Praktiker/in für künstliche Intelligenz (berufsbezogenes Zertifikat)
Dozent: Stacey McBrine
4.007 bereits angemeldet
Bei enthalten
(12 Bewertungen)
Empfohlene Erfahrung
Was Sie lernen werden
Trainieren und bewerten Sie Entscheidungsbäume und Zufallswälder für Regression und Klassifizierung.
Trainieren und bewerten Sie Support-Vektor-Maschinen (SVM) für Regression und Klassifizierung.
Trainieren und bewerten Sie mehrschichtige künstliche neuronale Netzwerke (ANN) für Regression und Klassifizierung.
Trainieren und bewerten Sie Faltungsneuronale Netze (CNN) und rekurrente Neuronale Netze (RNN) für Computer Vision und Aufgaben der natürlichen Sprachverarbeitung.
Kompetenzen, die Sie erwerben
- Kategorie: Künstliches Neuronales Netzwerk
- Kategorie: Algorithmen für maschinelles Lernen (ML)
- Kategorie: Deep Learning
- Kategorie: Support-Vektor-Maschine (SVM)
- Kategorie: Entscheidungsbaum
Wichtige Details
Zu Ihrem LinkedIn-Profil hinzufügen
4 Aufgaben
Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.
Erweitern Sie Ihr Fachwissen im Bereich Maschinelles Lernen
- 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 von CertNexus 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 5 Module
Sie haben Modelle für maschinelles Lernen aus grundlegenden linearen Regressions- und Klassifizierungsalgorithmen erstellt. Diese Algorithmen können Sie in vielen Szenarien ziemlich weit bringen, aber sie sind nicht die einzigen Algorithmen, die Ihren Anforderungen gerecht werden können. In diesem Modul werden Sie Modelle für maschinelles Lernen aus Entscheidungsbäumen und Zufallswäldern erstellen, zwei alternativen Ansätzen zur Lösung von Regressions- und Klassifizierungsproblemen.
Das ist alles enthalten
16 Videos5 Lektüren1 Aufgabe1 Diskussionsthema2 Unbewertete Labore
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.
Das ist alles enthalten
8 Videos3 Lektüren1 Aufgabe1 Diskussionsthema2 Unbewertete Labore
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.
Das ist alles enthalten
8 Videos2 Lektüren1 Aufgabe1 Diskussionsthema1 Unbewertetes Labor
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.
Das ist alles enthalten
11 Videos3 Lektüren1 Aufgabe1 Diskussionsthema2 Unbewertete Labore
Sie werden an einem Projekt arbeiten, in dem Sie Ihr Wissen aus diesem Kurs auf ein praktisches Szenario anwenden werden.
Das ist alles enthalten
1 peer review1 Unbewertetes Labor
Dozent
von
Empfohlen, wenn Sie sich für Maschinelles Lernen interessieren
Alberta Machine Intelligence Institute
Fractal Analytics
University of Colorado Boulder
Warum entscheiden sich Menschen für Coursera für ihre Karriere?
Bewertungen von Lernenden
Zeigt 3 von 12
12 Bewertungen
- 5 stars
91,66 %
- 4 stars
8,33 %
- 3 stars
0 %
- 2 stars
0 %
- 1 star
0 %
Geprüft am 11. Feb. 2023
Neue Karrieremöglichkeiten mit Coursera Plus
Unbegrenzter Zugang zu über 7.000 erstklassigen Kursen, praktischen Projekten und Zertifikatsprogrammen, die Sie auf den Beruf vorbereiten – 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 des Zertifikats 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.