IBM

Maschinelles Lernen mit Python

Dieser Kurs ist Teil mehrerer Programme.

Unterrichtet auf Englisch

Einige Inhalte können nicht übersetzt werden

SAEED AGHABOZORGI
Joseph Santarcangelo

Dozenten: SAEED AGHABOZORGI

465.757 bereits angemeldet

Bei Coursera Plus enthalten

Kurs

Informieren Sie sich über ein Thema und erlernen Sie die Grundlagen.

4.7

(16,038 Bewertungen)

|

94%

Stufe Mittel

Empfohlene Erfahrung

13 Stunden (ungefähr)
Flexibler Zeitplan
In Ihrem eigenen Lerntempo lernen

Was Sie lernen werden

  • Beschreiben Sie die verschiedenen Arten von Algorithmen des maschinellen Lernens und wann Sie diese einsetzen sollten

  • Vergleichen und kontrastieren Sie lineare Klassifizierungsmethoden, einschließlich Multiklassenvorhersage, Support Vector Machines und logistische Regression.

  • Schreiben Sie Python-Code, der verschiedene Klassifizierungstechniken wie K-Nächste Nachbarn (KNN), Entscheidungsbäume und Regressionsbäume implementiert.

  • Bewerten Sie die Ergebnisse einfacher linearer, nicht-linearer und multipler Regressionen auf einem Datensatz anhand von Bewertungsmetriken.

Kompetenzen, die Sie erwerben

  • Kategorie: Maschinelles Lernen
  • Kategorie: regression
  • Kategorie: Hierarchisches Clustering
  • Kategorie: klassifizierung
  • Kategorie: SciPy und scikit-learn

Wichtige Details

Zertifikat zur Vorlage

Zu Ihrem LinkedIn-Profil hinzufügen

Bewertungen

11 Quizzes

Kurs

Informieren Sie sich über ein Thema und erlernen Sie die Grundlagen.

4.7

(16,038 Bewertungen)

|

94%

Stufe Mittel

Empfohlene Erfahrung

13 Stunden (ungefähr)
Flexibler Zeitplan
In Ihrem eigenen Lerntempo lernen

Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.

Platzhalter

Erweitern Sie Ihre Fachkenntnisse

Dieser Kurs ist als Teil verfügbar
Wenn Sie sich für diesen Kurs anmelden, müssen Sie auch ein bestimmtes Programm auswählen.
  • 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 IBM zur Vorlage
Platzhalter
Platzhalter

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.

Platzhalter

In diesem Kurs gibt es 6 Module

In diesem Modul lernen Sie Anwendungen des maschinellen Lernens in verschiedenen Bereichen wie dem Gesundheitswesen, dem Bankwesen, der Telekommunikation und so weiter kennen. Sie erhalten einen allgemeinen Überblick über Themen des maschinellen Lernens wie überwachtes vs. unüberwachtes Lernen und die Verwendung der einzelnen Algorithmen. Außerdem lernen Sie die Vorteile der Verwendung von Python-Bibliotheken für die Implementierung von Machine Learning-Modellen kennen.

Das ist alles enthalten

5 Videos2 Quizzes

In diesem Modul erhalten Sie eine kurze Einführung in die Regression. Sie lernen lineare, nicht-lineare, einfache und multiple Regression und deren Anwendungen kennen. Im Laborteil wenden Sie all diese Methoden auf zwei verschiedene Datensätze an. Außerdem lernen Sie, wie Sie Ihr Regressionsmodell auswerten und seine Genauigkeit berechnen können.

Das ist alles enthalten

5 Videos3 Lektüren2 Quizzes2 App-Elemente

In diesem Modul lernen Sie die Technik der Klassifizierung kennen. Sie üben mit verschiedenen Klassifizierungsalgorithmen, wie KNN, Entscheidungsbäumen, logistischer Regression und SVM. Außerdem lernen Sie die Vor- und Nachteile der einzelnen Methoden und die verschiedenen Metriken für die Klassifizierungsgenauigkeit kennen.

Das ist alles enthalten

5 Videos1 Lektüre2 Quizzes5 App-Elemente

Das ist alles enthalten

4 Videos1 Lektüre2 Quizzes3 App-Elemente1 Plug-in

In diesem Modul lernen Sie etwas über Clustering, insbesondere k-means clustering. Sie lernen, wie der k-means Clustering-Algorithmus funktioniert und wie Sie k-means Clustering für die Kundensegmentierung einsetzen können.

Das ist alles enthalten

3 Videos2 Quizzes1 App-Element

In diesem Modul werden Sie ein Projekt durchführen, das auf dem basiert, was Sie bisher gelernt haben. Sie werden einen Bericht über Ihr Projekt zur Beurteilung durch andere Teilnehmer einreichen.

Das ist alles enthalten

3 Lektüren1 Quiz1 peer review1 App-Element

Dozenten

Lehrkraftbewertungen
4.7 (2,903 Bewertungen)
SAEED AGHABOZORGI
IBM
4 Kurse469.667 Lernende
Joseph Santarcangelo
IBM
33 Kurse1.581.804 Lernende

von

IBM

Empfohlen, wenn Sie sich für Maschinelles Lernen interessieren

Warum entscheiden sich Menschen für Coursera für ihre Karriere?

Felipe M.
Lernender seit 2018
„Es ist eine großartige Erfahrung, in meinem eigenen Tempo zu lernen. Ich kann lernen, wenn ich Zeit und Nerven dazu habe.“
Jennifer J.
Lernender seit 2020
„Bei einem spannenden neuen Projekt konnte ich die neuen Kenntnisse und Kompetenzen aus den Kursen direkt bei der Arbeit anwenden.“
Larry W.
Lernender seit 2021
„Wenn mir Kurse zu Themen fehlen, die meine Universität nicht anbietet, ist Coursera mit die beste Alternative.“
Chaitanya A.
„Man lernt nicht nur, um bei der Arbeit besser zu werden. Es geht noch um viel mehr. Bei Coursera kann ich ohne Grenzen lernen.“

Bewertungen von Lernenden

Zeigt 3 von 16038

4.7

16.038 Bewertungen

  • 5 stars

    75,99 %

  • 4 stars

    18,64 %

  • 3 stars

    3,39 %

  • 2 stars

    0,97 %

  • 1 star

    0,98 %

FO
5

Geprüft am 8. Okt. 2020

SK
5

Geprüft am 3. Aug. 2019

CA
4

Geprüft am 31. Dez. 2019

Platzhalter

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