Neu aktualisiert für 2024! Mathematik für maschinelles Lernen und Datenwissenschaft ist ein grundlegendes Online-Programm, das von DeepLearning.AI entwickelt und von Luis Serrano unterrichtet wird. Beim maschinellen Lernen wenden Sie mathematische Konzepte durch Programmierung an. In dieser Spezialisierung werden Sie die mathematischen Konzepte, die Sie mit Hilfe der Python-Programmierung erlernen, in praktischen Laborübungen anwenden. Nach Abschluss dieses Kurses sind Sie in der Lage: - die Unsicherheit von Vorhersagen, die von Modellen des maschinellen Lernens gemacht werden, zu beschreiben und zu quantifizieren, indem Sie die Konzepte der Wahrscheinlichkeit, Zufallsvariablen und Wahrscheinlichkeitsverteilungen verwenden.
Wahrscheinlichkeit & Statistik für maschinelles Lernen & Datenwissenschaft
Dieser Kurs ist Teil von Spezialisierung Mathematik für maschinelles Lernen und Datenwissenschaft
Dozent: Luis Serrano
73.868 bereits angemeldet
(476 Bewertungen)
Empfohlene Erfahrung
Was Sie lernen werden
Beschreiben und quantifizieren Sie die Unsicherheit, die mit den Vorhersagen von Modellen des maschinellen Lernens verbunden ist
Visuelles und intuitives Verständnis der Eigenschaften häufig verwendeter Wahrscheinlichkeitsverteilungen beim maschinellen Lernen und in der Datenwissenschaft
Anwendung gängiger statistischer Methoden wie Maximum-Likelihood-Schätzung (MLE) und Maximum-A-Priori-Schätzung (MAP) auf Probleme des maschinellen Lernens
Bewerten Sie die Leistung von Modellen des maschinellen Lernens anhand von Intervallschätzungen und Fehlermargen
Kompetenzen, die Sie erwerben
- Kategorie: Wahrscheinlichkeitsrechnung und Statistik
- Kategorie: Algorithmen für maschinelles Lernen (ML)
- Kategorie: Statistische Analyse
- Kategorie: Wahrscheinlichkeit
- Kategorie: Statistische Hypothesentests
Wichtige Details
Zu Ihrem LinkedIn-Profil hinzufügen
8 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 4 Module
In dieser Woche lernen Sie die Wahrscheinlichkeit von Ereignissen und verschiedene Wahrscheinlichkeitsregeln kennen, um korrekt mit Wahrscheinlichkeiten rechnen zu können. Sie lernen das Konzept der bedingten Wahrscheinlichkeit und die Schlüsselidee hinter dem Bayes-Theorem kennen. In Lektion 2 verallgemeinern wir das Konzept der Ereigniswahrscheinlichkeit auf die Wahrscheinlichkeitsverteilung über Zufallsvariablen. Sie werden einige gängige Wahrscheinlichkeitsverteilungen wie die Binomialverteilung und die Normalverteilung kennenlernen.
Das ist alles enthalten
30 Videos9 Lektüren2 Aufgaben1 Programmieraufgabe4 Unbewertete Labore
In dieser Woche lernen Sie verschiedene Maße zur Beschreibung von Wahrscheinlichkeitsverteilungen und beliebigen Datensätzen kennen. Dazu gehören Maße der zentralen Tendenz (Mittelwert, Median und Modus), der Varianz, der Schiefe und der Kurtosis. Das Konzept des Erwartungswerts einer Zufallsvariablen wird eingeführt, damit Sie jedes dieser Maße verstehen können. Sie lernen auch einige visuelle Hilfsmittel zur Beschreibung von Daten und Verteilungen kennen. In Lektion 2 lernen Sie die Wahrscheinlichkeitsverteilung von zwei oder mehr Zufallsvariablen anhand von Konzepten wie der gemeinsamen Verteilung, der Randverteilung und der bedingten Verteilung kennen. Zum Abschluss der Woche lernen Sie die Kovarianz kennen: eine Verallgemeinerung der Abweichung auf zwei oder mehr Zufallsvariablen.
Das ist alles enthalten
27 Videos2 Lektüren2 Aufgaben1 Programmieraufgabe3 Unbewertete Labore
In dieser Woche verlagert sich der Schwerpunkt von der Wahrscheinlichkeit zur Statistik. Zunächst lernen Sie das Konzept einer Stichprobe und einer Population sowie zwei grundlegende Ergebnisse der Statistik kennen, die sich auf Stichproben und Populationen beziehen: das Gesetz der großen Zahlen und den zentralen Grenzwertsatz. In Lektion 2 lernen Sie die erste und einfachste Methode der Schätzung in der Statistik kennen: die Punktschätzung. Sie werden sehen, wie die Maximum-Likelihood-Schätzung, die gängigste Punktschätzungsmethode, funktioniert und wie Regularisierung hilft, Überanpassung zu verhindern. Anschließend erfahren Sie, wie die Bayes'sche Statistik das Konzept der Vorannahmen in die Art und Weise der Datenauswertung und der Schlussfolgerungen einbezieht.
Das ist alles enthalten
20 Videos3 Lektüren2 Aufgaben2 Unbewertete Labore
In dieser Woche lernen Sie eine weitere Schätzungsmethode kennen, die Intervallschätzung. Die gebräuchlichsten Intervallschätzungen sind Konfidenzintervalle. Sie werden sehen, wie diese berechnet werden und wie man sie richtig interpretiert. In Lektion 2 lernen Sie etwas über Hypothesentests, bei denen Schätzungen als Hypothese formuliert und dann anhand von verfügbaren Beweisen oder einer Stichprobe von Daten getestet werden. Sie lernen das Konzept des P-Wertes kennen, das Ihnen hilft, eine Entscheidung über einen Hypothesentest zu treffen. Außerdem lernen Sie einige gängige Tests wie den t-Test, den t-Test mit zwei Stichproben und den gepaarten t-Test kennen. Sie werden die Woche mit einer interessanten Anwendung von Hypothesentests in der Datenwissenschaft beenden: A/B-Tests.
Das ist alles enthalten
22 Videos8 Lektüren2 Aufgaben1 Programmieraufgabe1 Unbewertetes Labor
Dozent
Empfohlen, wenn Sie sich für Algorithmen interessieren
DeepLearning.AI
DeepLearning.AI
Corporate Finance Institute
Johns Hopkins University
Warum entscheiden sich Menschen für Coursera für ihre Karriere?
Bewertungen von Lernenden
476 Bewertungen
- 5 stars
77,75 %
- 4 stars
13,09 %
- 3 stars
4,36 %
- 2 stars
1,87 %
- 1 star
2,91 %
Zeigt 3 von 476 an
Geprüft am 12. Nov. 2023
Very good course! Highly recommended to those who are just starting to learn mathematics for machine learning
Geprüft am 28. Feb. 2024
The best statistic course i have taken so far. Simply amazing
Geprüft am 17. Juni 2024
Very thorough and easy to comprehend approach to learning statistical and probability theory which is important foundational knowledge, not just in ML but any field of data analytics!
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.