In diesem ersten Kurs der AI Product Management Specialization, die von der Duke University's Pratt School of Engineering angeboten wird, werden Sie ein grundlegendes Verständnis dafür entwickeln, was maschinelles Lernen ist, wie es funktioniert und wann und warum es angewendet wird. Um ein KI-Team oder -Produkt erfolgreich zu leiten und mit Datenwissenschaftlern, Softwareingenieuren und Kunden zusammenzuarbeiten, müssen Sie die Grundlagen der Technologie des maschinellen Lernens verstehen. Dieser Kurs bietet eine nicht-codierende Einführung in das maschinelle Lernen, wobei der Schwerpunkt auf dem Prozess der Modellentwicklung, der Bewertung und Interpretation von ML-Modellen und der Intuition hinter gängigen ML- und Deep-Learning-Algorithmen liegt. Der Kurs schließt mit einem praktischen Projekt ab, in dem Sie die Möglichkeit haben, ein maschinelles Lernmodell für ein einfaches reales Problem zu trainieren und zu optimieren. Am Ende dieses Kurses sollten Sie in der Lage sein: 1) zu erklären, wie maschinelles Lernen funktioniert und welche Arten von maschinellem Lernen es gibt 2) die Herausforderungen bei der Modellierung und Strategien zu ihrer Bewältigung zu beschreiben 3) die wichtigsten Algorithmen für gängige ML-Aufgaben und ihre Anwendungsfälle zu identifizieren 4) Deep Learning und seine Stärken und Herausforderungen im Vergleich zu anderen Formen des maschinellen Lernens zu erklären 5) bewährte Verfahren zur Bewertung und Interpretation von ML-Modellen anzuwenden
Schenken Sie Ihrer Karriere Coursera Plus mit einem Rabatt von $160 , der jährlich abgerechnet wird. Sparen Sie heute.
Grundlagen des maschinellen Lernens für Produktmanager
Dieser Kurs ist Teil von Spezialisierung KI-Produktmanagement
Dozent: Jon Reifschneider
45.575 bereits angemeldet
Bei enthalten
(464 Bewertungen)
Empfohlene Erfahrung
Kompetenzen, die Sie erwerben
- Kategorie: Modellierung
- Kategorie: Prädiktive Analytik
- Kategorie: Datenverarbeitung
- Kategorie: Künstliches Neuronales Netzwerk
- Kategorie: Maschinelles Lernen
Wichtige Details
Zu Ihrem LinkedIn-Profil hinzufügen
6 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 6 Module
In diesem Modul lernen wir, was maschinelles Lernen ist und wie es funktioniert. Wir werden das notwendige Vokabular für die Arbeit mit Daten und Modellen aufbauen und ein Verständnis für die verschiedenen Arten des maschinellen Lernens entwickeln. Zum Abschluss werden wir kritisch diskutieren, was maschinelles Lernen gut kann und was nicht (oder nicht).
Das ist alles enthalten
10 Videos3 Lektüren1 Aufgabe
In diesem Modul werden wir die wichtigsten Schritte bei der Erstellung von Modellen für maschinelles Lernen besprechen. Wir lernen die Quellen der Modellkomplexität kennen und erfahren, wie sich die Komplexität auf die Leistung eines Modells auswirkt. Abschließend werden wir Strategien für den Vergleich verschiedener Modelle diskutieren, um das optimale Modell für die Produktion auszuwählen.
Das ist alles enthalten
8 Videos1 Lektüre1 Aufgabe
In diesem Modul lernen wir, wie man geeignete Ergebnis- und Output-Metriken für KI-Projekte definiert. Anschließend besprechen wir die wichtigsten Metriken für die Bewertung von Regressions- und Klassifizierungsmodellen und wie Sie eines für den Einsatz auswählen. Zum Abschluss diskutieren wir über häufige Fehlerquellen bei Projekten zum maschinellen Lernen und darüber, wie man schlechte Leistungen beheben kann.
Das ist alles enthalten
8 Videos1 Lektüre1 Aufgabe1 Diskussionsthema
In diesem Modul werden wir uns mit der Verwendung von linearen Modellen für Regression und Klassifizierung beschäftigen. Wir beginnen mit einer Einführung in die lineare Regression und fahren mit einer Diskussion darüber fort, wie die lineare Regression durch Regularisierung besser funktionieren kann. Anschließend wechseln wir zur Klassifizierung und stellen das logistische Regressionsmodell sowohl für binäre als auch für Mehrklassen-Klassifizierungsprobleme vor.
Das ist alles enthalten
6 Videos1 Lektüre1 Aufgabe
Wir beginnen dieses Modell mit einer Diskussion über Baummodelle und ihren Wert bei der Modellierung komplexer nichtlinearer Probleme. Anschließend werden wir die Methode zur Erstellung von Ensemble-Modellen und deren Vorteile vorstellen. Zum Abschluss dieses Moduls wechseln wir zum unüberwachten Lernen und besprechen das Clustering und den beliebten K-Means-Clustering-Ansatz.
Das ist alles enthalten
7 Videos1 Lektüre1 Aufgabe
Unser letztes Modul in diesem Kurs wird sich auf ein aktuelles Gebiet des maschinellen Lernens konzentrieren, das Deep Learning oder die Verwendung von mehrschichtigen neuronalen Netzwerken. Wir werden ein Verständnis für die Intuition und die wichtigsten mathematischen Prinzipien entwickeln, die der Funktionsweise neuronaler Netzwerke zugrunde liegen. Anschließend werden wir gängige Anwendungen des Deep Learning in den Bereichen Computer Vision und Verarbeitung natürlicher Sprache diskutieren. Wir schließen den Kurs mit unserem Kursprojekt ab, in dem Sie die Möglichkeit haben, den Modellierungsprozess und die erlernten Best Practices anzuwenden, um Ihr eigenes maschinelles Lernmodell zu erstellen.
Das ist alles enthalten
9 Videos2 Lektüren1 Aufgabe1 peer review
Dozent
Empfohlen, wenn Sie sich für Maschinelles Lernen interessieren
Duke University
University of Washington
Fractal Analytics
Warum entscheiden sich Menschen für Coursera für ihre Karriere?
Bewertungen von Lernenden
Zeigt 3 von 464
464 Bewertungen
- 5 stars
77,41 %
- 4 stars
15,26 %
- 3 stars
2,79 %
- 2 stars
1,93 %
- 1 star
2,58 %
Geprüft am 28. Apr. 2023
Geprüft am 23. Juni 2023
Geprüft am 18. Okt. 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 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.