Im ersten Kurs der Machine Learning Specialization werden Sie: - Machine-Learning-Modelle in Python mit den populären Machine-Learning-Bibliotheken NumPy und scikit-learn erstellen - überwachte Machine-Learning-Modelle für Vorhersagen und binäre Klassifizierungsaufgaben erstellen und trainieren, einschließlich linearer Regression und logistischer Regression Die Machine Learning Specialization ist ein grundlegendes Online-Programm, das in Zusammenarbeit von DeepLearning.AI und Stanford Online entwickelt wurde. In diesem einsteigerfreundlichen Programm lernen Sie die Grundlagen des maschinellen Lernens kennen und erfahren, wie Sie diese Techniken zur Entwicklung realer KI-Anwendungen einsetzen können.
Überwachtes maschinelles Lernen: Regression und Klassifizierung
Dieser Kurs ist Teil von Spezialisierung Maschinelles Lernen
Dozenten: Andrew Ng
TOP-LEHRKRAFT
809.167 bereits angemeldet
(24,873 Bewertungen)
Empfohlene Erfahrung
Was Sie lernen werden
Erstellen Sie Modelle für maschinelles Lernen in Python mit den beliebten Bibliotheken für maschinelles Lernen NumPy & scikit-learn
Erstellen und trainieren Sie überwachte maschinelle Lernmodelle für Vorhersagen und binäre Klassifizierungsaufgaben, einschließlich linearer Regression und logistischer Regression
Kompetenzen, die Sie erwerben
- Kategorie: Lineare Regression
- Kategorie: Regularisierung zur Vermeidung von Overfitting
- Kategorie: Logistische Regression zur Klassifizierung
- Kategorie: Gradienter Abstieg
- Kategorie: Überwachtes Lernen
Wichtige Details
Zu Ihrem LinkedIn-Profil hinzufügen
9 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 3 Module
Willkommen bei der Machine Learning Specialization! Sie schließen sich Millionen von anderen an, die entweder diesen oder den ursprünglichen Kurs belegt haben, der zur Gründung von Coursera führte und Millionen von anderen Lernenden wie Ihnen geholfen hat, einen Einblick in die aufregende Welt des maschinellen Lernens zu erhalten!
Das ist alles enthalten
20 Videos1 Lektüre3 Aufgaben1 App-Element4 Unbewertete Labore
In dieser Woche werden Sie die lineare Regression erweitern, um mit mehreren Eingangsmerkmalen umgehen zu können. Außerdem lernen Sie einige Methoden kennen, mit denen Sie das Training und die Leistung Ihres Modells verbessern können, z. B. Vektorisierung, Feature-Skalierung, Feature-Engineering und polynomiale Regression. Am Ende der Woche werden Sie die Implementierung der linearen Regression in Code üben.
Das ist alles enthalten
10 Videos2 Aufgaben1 Programmieraufgabe5 Unbewertete Labore
Diese Woche lernen Sie die andere Art des überwachten Lernens, die Klassifizierung. Sie lernen, wie Sie mit dem logistischen Regressionsmodell Kategorien vorhersagen können. Sie lernen das Problem der Überanpassung kennen und erfahren, wie Sie dieses Problem mit einer Methode namens Regularisierung lösen können. Am Ende dieser Woche werden Sie die Implementierung der logistischen Regression mit Regularisierung üben!
Das ist alles enthalten
12 Videos2 Lektüren4 Aufgaben1 Programmieraufgabe9 Unbewertete Labore
Dozenten
Empfohlen, wenn Sie sich für Maschinelles Lernen interessieren
Duke University
DeepLearning.AI
Warum entscheiden sich Menschen für Coursera für ihre Karriere?
Bewertungen von Lernenden
24.873 Bewertungen
- 5 stars
91,59 %
- 4 stars
7,29 %
- 3 stars
0,65 %
- 2 stars
0,17 %
- 1 star
0,28 %
Zeigt 3 von 24873 an
Geprüft am 21. Sep. 2022
Specacular course to learn the basics of ML. I was able to do it thanks to finnancial aid and I'm very grateful because this was really a great oportunity to learn. Looking forward to the next courses
Geprüft am 23. Nov. 2022
Amazingly delivered course! Very impressed. The concepts are communicated very clearly and concisely, making the course content very accessible to those without a maths or computer science background.
Geprüft am 12. Dez. 2024
Andrew was a great teacher, explaining complicated topics in a simple and intuitive way. The programming assignments helped to put theory into practice. A great place to start learning a new field!
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.