Duke University
Verwaltung von Machine Learning Projekten
Duke University

Verwaltung von Machine Learning Projekten

Dieser Kurs ist Teil von Spezialisierung KI-Produktmanagement

16.366 bereits angemeldet

Bei Coursera Plus enthalten

Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.
4.8

(198 Bewertungen)

Stufe Anfänger

Empfohlene Erfahrung

Es dauert 18 Stunden
3 Wochen bei 6 Stunden pro Woche
Flexibler Zeitplan
In Ihrem eigenen Lerntempo lernen
Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.
4.8

(198 Bewertungen)

Stufe Anfänger

Empfohlene Erfahrung

Es dauert 18 Stunden
3 Wochen bei 6 Stunden pro Woche
Flexibler Zeitplan
In Ihrem eigenen Lerntempo lernen

Kompetenzen, die Sie erwerben

  • Kategorie: Modellierung
  • Kategorie: Projektmanagement
  • Kategorie: Maschinelles Lernen

Wichtige Details

Zertifikat zur Vorlage

Zu Ihrem LinkedIn-Profil hinzufügen

Bewertungen

5 Aufgaben

Unterrichtet in Englisch

Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.

Platzhalter

Erweitern Sie Ihre Fachkenntnisse

Dieser Kurs ist Teil der Spezialisierung Spezialisierung KI-Produktmanagement
Wenn Sie sich für diesen Kurs anmelden, werden Sie auch für diese Spezialisierung angemeldet.
  • 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
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 5 Module

In diesem Modul werden wir besprechen, wie man Probleme identifiziert, die es wert sind, gelöst zu werden, wie man feststellt, ob ML als Teil der Lösung geeignet ist, und wie man Lösungskonzepte validiert. Wir werden auch erfahren, warum Heuristiken bei Modellierungsprojekten nützlich sind und welche Vor- und Nachteile ML im Vergleich zu Heuristiken hat.

Das ist alles enthalten

9 Videos4 Lektüren1 Aufgabe2 Diskussionsthemen

In diesem Modul konzentrieren wir uns auf den CRISP-DM Data Science-Prozess und wie er für die Organisation von ML-Projekten verwendet werden kann. Wir beginnen damit, zu verstehen, was ML-Projekte im Vergleich zu normalen Softwareprojekten auszeichnet, und besprechen dann Ansätze zum Umgang mit den inhärenten Risiken von ML-Projekten. Wir werden auch die Schlüsselrollen in einem ML-Projektteam und die Arbeitsorganisation besprechen.

Das ist alles enthalten

8 Videos2 Lektüren1 Aufgabe1 Diskussionsthema

In diesem Modul werden wir die wichtigsten datenbezogenen Fragen untersuchen, die bei ML-Projekten auftreten. Daten sind die Grundlage für erfolgreiches maschinelles Lernen, und das Sammeln von Daten in ausreichender Menge und Qualität mit den richtigen Attributen ist der Schlüssel zu einem erfolgreichen Projekt. Wir werden die wichtigsten Überlegungen zur Datenbeschaffung, zur Datenbereinigung und zur Entwicklung und Auswahl von Merkmalen für die Modellierung diskutieren. Das Modul schließt mit einer Diskussion über bewährte Verfahren zur Gewährleistung der Reproduzierbarkeit Ihrer Datenpipeline.

Das ist alles enthalten

8 Videos2 Lektüren1 Aufgabe1 Diskussionsthema

In diesem Modul erörtern wir die wichtigsten Entscheidungen, die bei der Entwicklung von ML-Systemen zu treffen sind, z. B. Cloud vs. Edge und Online vs. Batch, und vergleichen die Vorteile der einzelnen Systemtypen. Anschließend erörtern wir die wichtigsten technologischen Entscheidungen, die bei einem ML-Projekt zu treffen sind, und stellen die gängigen Tools und Technologien vor, die zur Erstellung von ML-Modellen verwendet werden.

Das ist alles enthalten

8 Videos2 Lektüren1 Aufgabe1 Diskussionsthema

Das letzte Modul des Kurses konzentriert sich auf die Identifizierung und Entschärfung der wichtigsten Probleme, die bei ML-Modellen auftreten, sobald sie in Produktion sind. Wir werden erörtern, wie Sie eine robuste ML-Systemüberwachung einrichten und einen Modellwartungsplan definieren, um die hohe Leistung eines Produktionsmodells aufrechtzuerhalten. Abschließend werden wir die Bedeutung der Versionskontrolle in ML-Systemen diskutieren, um auch nach der Bereitstellung weiterhin schnelle Iterationen zu ermöglichen.

Das ist alles enthalten

8 Videos2 Lektüren1 Aufgabe1 peer review1 Diskussionsthema1 Plug-in

Dozent

Lehrkraftbewertungen
4.8 (55 Bewertungen)
Jon Reifschneider
Duke University
3 Kurse56.595 Lernende

von

Duke University

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

4.8

198 Bewertungen

  • 5 stars

    84,34 %

  • 4 stars

    10,60 %

  • 3 stars

    3,03 %

  • 2 stars

    1,01 %

  • 1 star

    1,01 %

Zeigt 3 von 198 an

LR
5

Geprüft am 29. Juni 2023

RG
4

Geprüft am 3. Sep. 2023

MM
5

Geprüft am 29. Sep. 2024

Platzhalter

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