Machen Sie sich bereit, mit Python in die Welt des maschinellen Lernens (ML) einzutauchen! Dieser Kurs ist genau das Richtige für Sie, egal ob Sie Ihre Data Science-Karriere vorantreiben oder in Machine Learning und Deep Learning einsteigen möchten.
Maschinelles Lernen mit Python
Dieser Kurs ist Teil mehrerer Programme.
Dozenten: SAEED AGHABOZORGI
477.614 bereits angemeldet
Bei enthalten
(16,327 Bewertungen)
Empfohlene Erfahrung
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
Zu Ihrem LinkedIn-Profil hinzufügen
11 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 von IBM 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 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 Aufgaben
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 Aufgaben2 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 Aufgaben5 App-Elemente
Das ist alles enthalten
4 Videos1 Lektüre2 Aufgaben3 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 Aufgaben1 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 Aufgabe1 peer review1 App-Element
Dozenten
von
Empfohlen, wenn Sie sich für Maschinelles Lernen interessieren
Warum entscheiden sich Menschen für Coursera für ihre Karriere?
Bewertungen von Lernenden
Zeigt 3 von 16327
16.327 Bewertungen
- 5 stars
76,05 %
- 4 stars
18,63 %
- 3 stars
3,36 %
- 2 stars
0,97 %
- 1 star
0,97 %
Geprüft am 25. Mai 2020
Geprüft am 5. Dez. 2018
Geprüft am 24. Juni 2020
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 des Zertifikats 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.