Maschinelles Lernen ist die Grundlage für prädiktive Modellierung und künstliche Intelligenz. Wenn Sie sowohl die zugrundeliegenden Konzepte als auch die Erstellung von Modellen mit den gängigsten Tools für maschinelles Lernen kennenlernen möchten, ist dieser Kurs genau das Richtige für Sie. In diesem Kurs lernen Sie die Grundprinzipien des maschinellen Lernens kennen und erfahren, wie Sie gängige Tools und Frameworks verwenden, um maschinelle Lernmodelle zu trainieren, zu bewerten und zu nutzen. Dieser Kurs soll Sie auf Aufgaben vorbereiten, die die Planung und Schaffung einer geeigneten Arbeitsumgebung für Data Science Workloads auf Azure umfassen. Sie werden lernen, wie Sie Datenexperimente durchführen und Vorhersagemodelle trainieren. Darüber hinaus werden Sie Modelle für maschinelles Lernen verwalten, optimieren und in der Produktion einsetzen. Von den grundlegendsten klassischen Modellen für maschinelles Lernen bis hin zur explorativen Datenanalyse und der Anpassung von Architekturen werden Sie durch leicht verdauliche konzeptionelle Inhalte und interaktive Jupyter-Notizbücher geführt. Wenn Sie bereits eine Vorstellung von maschinellem Lernen haben oder über einen starken mathematischen Hintergrund verfügen, ist dieser Kurs perfekt für Sie. In diesen Modulen werden einige Konzepte des maschinellen Lernens gelehrt, aber es geht schnell voran, so dass sie die Leistungsfähigkeit von Tools wie scikit-learn, TensorFlow und PyTorch nutzen können. Dieser Lernpfad ist auch am besten für Sie geeignet, wenn Sie gerade genug Vertrautheit suchen, um Beispiele für maschinelles Lernen für Produkte wie Azure ML oder Azure Databricks zu verstehen. Es ist auch ein guter Ausgangspunkt, wenn Sie vorhaben, über das klassische maschinelle Lernen hinauszugehen und eine Ausbildung in Deep Learning und neuronalen Netzen zu erhalten, die wir hier nur vorstellen. Dieses Programm besteht aus 5 Kursen, die Sie auf die Prüfung DP-100 vorbereiten: Designing and Implementing a Data Science Solution on Azure. Die Zertifizierungsprüfung bietet Ihnen die Möglichkeit, Ihr Wissen und Ihre Kompetenz beim Betrieb von maschinellen Lernlösungen im Cloud-Maßstab unter Verwendung von Azure Machine Learning unter Beweis zu stellen. In dieser Specialization lernen Sie, Ihre vorhandenen Kenntnisse in Python und maschinellem Lernen zu nutzen, um die Datenaufnahme und -aufbereitung, die Modellschulung und -bereitstellung sowie die Überwachung von maschinellen Lernlösungen in Microsoft Azure zu verwalten. Jeder Kurs vermittelt Ihnen die Konzepte und Fähigkeiten, die in der Prüfung geprüft werden.
Schenken Sie Ihrer Karriere Coursera Plus mit einem Rabatt von $160 , der jährlich abgerechnet wird. Sparen Sie heute.
Modelle für maschinelles Lernen in Microsoft Azure erstellen
Dieser Kurs ist Teil von Microsoft Azure Data Scientist Associate (DP-100) Prüfungsvorbereitung (berufsbezogenes Zertifikat)
Dozent: Microsoft
29.203 bereits angemeldet
Bei enthalten
(263 Bewertungen)
Empfohlene Erfahrung
Was Sie lernen werden
Wie Sie eine Arbeitsumgebung für Data Science Workloads auf Azure planen und erstellen
Wie Sie Datenexperimente durchführen und Vorhersagemodelle trainieren
Kompetenzen, die Sie erwerben
- Kategorie: Modellierung
- Kategorie: Microsoft Azure
- Kategorie: Maschinelles Lernen
- Kategorie: Experiment
Wichtige Details
Zu Ihrem LinkedIn-Profil hinzufügen
8 Quizzes, 15 Aufgaben
Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.
Erweitern Sie Ihr Fachwissen im Bereich Softwareentwicklung
- 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 Microsoft 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 3 Module
Die Erforschung und Analyse von Daten ist der Kern der Datenwissenschaft. Datenwissenschaftler benötigen Kenntnisse in Sprachen wie Python, um Daten zu erforschen, zu visualisieren und zu manipulieren. In diesem Modul lernen Sie, wie Sie Python verwenden, um Daten zu erforschen, zu visualisieren und zu manipulieren. Sie werden auch lernen, wie Regression verwendet werden kann, um ein maschinelles Lernmodell zu erstellen, das numerische Werte vorhersagt. Sie werden das scikit-learn Framework in Python verwenden, um ein Regressionsmodell zu trainieren und auszuwerten.
Das ist alles enthalten
7 Videos14 Lektüren3 Quizzes6 Aufgaben1 Diskussionsthema
Die Klassifizierung ist eine Art des maschinellen Lernens, mit der Objekte in Klassen eingeteilt werden. In diesem Modul lernen Sie, wie die Klassifizierung verwendet werden kann, um ein maschinelles Lernmodell zu erstellen, das Kategorien oder Klassen vorhersagt. Sie werden das scikit-learn Framework in Python verwenden, um ein Klassifizierungsmodell zu trainieren und zu bewerten. Sie werden auch lernen, wie Clustering verwendet werden kann, um unbeaufsichtigte maschinelle Lernmodelle zu erstellen, die Datenbeobachtungen in Clustern gruppieren. Sie werden das scikit-learn Framework in Python verwenden, um ein Clustering-Modell zu trainieren.
Das ist alles enthalten
7 Videos7 Lektüren2 Quizzes6 Aufgaben
In diesem Modul lernen Sie die grundlegenden Prinzipien des Deep Learning kennen und erfahren, wie Sie mit PyTorch oder Tensorflow tiefe neuronale Netzwerkmodelle erstellen. Sie werden auch die Verwendung von neuronalen Faltungsnetzwerken zur Erstellung von Modellen zur Bildklassifizierung erkunden.
Das ist alles enthalten
8 Videos4 Lektüren3 Quizzes3 Aufgaben1 Diskussionsthema
Empfohlen, wenn Sie sich für Softwareentwicklung interessieren
Google Cloud
Coursera Project Network
Warum entscheiden sich Menschen für Coursera für ihre Karriere?
Bewertungen von Lernenden
Zeigt 3 von 263
263 Bewertungen
- 5 stars
67,79 %
- 4 stars
25,09 %
- 3 stars
3,37 %
- 2 stars
1,49 %
- 1 star
2,24 %
Geprüft am 3. Dez. 2023
Geprüft am 20. Feb. 2022
Geprüft am 27. Apr. 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.