In diesem Kurs werden die Studenten Techniken des überwachten maschinellen Lernens unter Verwendung des Python Scikit Learn (Sklearn) Toolkits und realer Sportdaten erforschen, um sowohl Algorithmen des maschinellen Lernens als auch die Vorhersage von Sportergebnissen zu verstehen. Aufbauend auf den vorangegangenen Kursen der Spezialisierung werden die Studenten Methoden wie Support Vector Machines (SVM), Entscheidungsbäume, Random Forest, lineare und logistische Regression und Ensembles von Lernenden anwenden, um Daten von professionellen Sportligen wie der NHL und MLB sowie von tragbaren Geräten wie der Apple Watch und Inertial Measurement Units (IMUs) zu untersuchen. Am Ende des Kurses werden die Studenten ein umfassendes Verständnis dafür haben, wie Klassifizierungs- und Regressionstechniken eingesetzt werden können, um Sportanalysen für sportliche Aktivitäten und Veranstaltungen zu ermöglichen.
Schenken Sie Ihrer Karriere Coursera Plus mit einem Rabatt von $160 , der jährlich abgerechnet wird. Sparen Sie heute.
Einführung in maschinelles Lernen in der Sportanalyse
Dieser Kurs ist Teil von Spezialisierung Sportliche Leistungsanalyse
Dozent: Christopher Brooks
4.146 bereits angemeldet
Bei 
enthalten
(22 Bewertungen)
Empfohlene Erfahrung
Was Sie lernen werden
Verstehen Sie, wie Klassifizierungs- und Regressionstechniken eingesetzt werden können, um Sportanalysen für sportliche Aktivitäten und Veranstaltungen zu ermöglichen.
Kompetenzen, die Sie erwerben
- Kategorie: Datenanalyse
- Kategorie: Python-Programmierung
- Kategorie: sportanalytik
Wichtige Details
Zu Ihrem LinkedIn-Profil hinzufügen
4 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 wird das Konzept des maschinellen Lernens vorgestellt und die vier wichtigsten Einsatzmöglichkeiten in der Sportanalytik beschrieben. Die Pipeline des maschinellen Lernens wird ebenso besprochen wie einige häufige Probleme, auf die man beim Einsatz von maschinellem Lernen in der Sportanalyse stößt.
Das ist alles enthalten
7 Videos3 Lektüren1 Aufgabe1 Unbewertetes Labor
In dieser Woche werden die Studenten lernen, wie Support Vector Machines (SVM) funktionieren, und sie werden diese Modelle bei der Betrachtung von Baseball- und Wearable-Daten erleben. Am Ende der Woche werden die Studenten Erfahrung mit der Erstellung von SVMs mit echten Daten haben und in der Lage sein, sie auf ihre eigenen Probleme anzuwenden.
Das ist alles enthalten
4 Videos2 Lektüren1 Aufgabe
In dieser Woche geht es um interpretierbare Methoden des maschinellen Lernens mit einem besonderen Schwerpunkt auf Entscheidungsbäumen. Die Teilnehmer lernen, wie diese Modelle im Allgemeinen funktionieren, und sehen spezielle Anwendungen von Entscheidungsbäumen in Kombination mit Regressionsmethoden. In dieser Woche werden die Studenten besser verstehen, wie das Python-Toolkit sklearn für eine Vielzahl von Aufgaben des überwachten Lernens verwendet werden kann.
Das ist alles enthalten
4 Videos2 Lektüren1 Aufgabe
In dieser Kurswoche werden die Studenten lernen, wie viele verschiedene Modelle in Form von Ensembles zusammen verwendet werden können, einschließlich der Random-Forest-Methode, die häufig verwendet wird, sowie allgemeinere in Sklearn verfügbare Methoden wie Stacking und Bagging. Am Ende dieser Woche werden die Teilnehmer ein umfassendes Verständnis dafür haben, wie Methoden wie SVMs, Entscheidungsbäume und logistische Regression zusammen verwendet werden können, um ein Problem mit steigender Leistung zu lösen.
Das ist alles enthalten
5 Videos3 Lektüren1 Aufgabe
Dozent
Empfohlen, wenn Sie sich für Datenanalyse interessieren
University of Michigan
University of Michigan
University of Michigan
The State University of New York
Warum entscheiden sich Menschen für Coursera für ihre Karriere?
Bewertungen von Lernenden
Zeigt 3 von 22
22 Bewertungen
- 5 stars
81,81 %
- 4 stars
13,63 %
- 3 stars
0 %
- 2 stars
4,54 %
- 1 star
0 %
Geprüft am 30. Okt. 2024
Geprüft am 4. Dez. 2022
Geprüft am 11. Apr. 2024
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.