In diesem Kurs werden wir unser Wissen über grundlegende Modelle ausbauen und fortgeschrittene KI-Techniken erkunden. Wir beginnen mit einem tiefen Einblick in neuronale Netze und bauen unser Wissen von Grund auf auf, indem wir die Struktur und die Eigenschaften untersuchen. Dann werden wir einige einfache neuronale Netzwerkmodelle programmieren und lernen, wie man Überanpassung, Regularisierung und andere Tricks mit Hyperparametern vermeidet. Nach einem Projekt zur Vorhersage der Wahrscheinlichkeit einer Herzerkrankung bei gegebenen Gesundheitsmerkmalen werden wir zu Random Forests übergehen. Wir werden die Unterschiede zwischen den beiden Techniken beschreiben und ihre unterschiedlichen Ursprünge im Detail erkunden. Abschließend werden wir ein Projekt zur Vorhersage der Ähnlichkeit von Gesundheitspatienten mithilfe von Random Forests abschließen.
Schenken Sie Ihrer Karriere Coursera Plus mit einem Rabatt von $160 , der jährlich abgerechnet wird. Sparen Sie heute.
Neuronale Netzwerke und Random Forests
Dieser Kurs ist Teil von Spezialisierung KI für die wissenschaftliche Forschung
Dozenten: Rajvir Dua
1.508 bereits angemeldet
Bei 
enthalten
Empfohlene Erfahrung
Kompetenzen, die Sie erwerben
- Kategorie: Zufälliger Wald
- Kategorie: Künstliches Neuronales Netzwerk
- Kategorie: maschinelles Lernen
- Kategorie: vorhersagen in der Wissenschaft
- Kategorie: identifizierung von Arten
Wichtige Details
Zu Ihrem LinkedIn-Profil hinzufügen
3 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 diesem Modul werden wir uns mit neuronalen Netzwerken und deren Verwendung in Python beschäftigen. Wir beginnen damit, zu beschreiben, was ein neuronales Netzwerk ist und wie man ein solches konstruiert, indem man eine Reihe von linearen Modellen kombiniert. Dann sprechen wir über die Konvergenz von neuronalen Netzwerken in der Hoffnung, eine Verlustfunktion zu minimieren. Schließlich lernen wir, wie man ein neuronales Netzwerk in Python programmiert.
Das ist alles enthalten
5 Videos3 Lektüren2 Aufgaben1 Diskussionsthema
In diesem Modul werfen wir einen genaueren Blick auf neuronale Netze und die Überlegungen, die wir bei deren Verwendung anstellen sollten. Wir beginnen mit dem Hinzufügen von Schichten zu unserem 2-Schichten-Netzwerk und erkunden die verschiedenen Optionen und ihre Auswirkungen. Dann werden wir einige fortgeschrittenere Python-Bibliotheken für neuronale Netzwerke in TensorFlow und Keras erkunden. Schließlich diskutieren wir die Auswirkungen auf die Wissenschaft und die Anwendung der Modelle in diesem Bereich.
Das ist alles enthalten
3 Videos5 Lektüren1 Aufgabe1 Unbewertetes Labor
In diesem Modul werden wir unser Wissen über Zufallswälder und ihre Verwendung in der Wissenschaft vertiefen. Wir beginnen mit der Untersuchung von Entscheidungsbäumen und wie sie als isolierte Modelle funktionieren. Als Nächstes betrachten wir die Auswirkungen der Kombination von Entscheidungsbäumen zur Erstellung von Random Forests. Danach werden wir über die Ähnlichkeiten und Unterschiede zwischen Regression und Klassifizierung mit Zufallswäldern sprechen, bevor wir mit einem abschließenden Projekt zur Vorhersage von Arten anhand der Abstammung abschließen.
Das ist alles enthalten
2 Videos2 Lektüren1 Programmieraufgabe1 Diskussionsthema
In diesem Abschlussprojekt werden wir eine Reihe von Modellen vergleichen, um dasjenige zu finden, das die Kelchblattbreite am besten vorhersagt.
Das ist alles enthalten
1 Programmieraufgabe
von
Empfohlen, wenn Sie sich für Maschinelles Lernen interessieren
Stanford University
Coursera Project Network
Sungkyunkwan University
Warum entscheiden sich Menschen für Coursera für ihre Karriere?
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.