In diesem Kurs bauen Sie auf den Kenntnissen auf, die Sie in den Kursen Exploratory Data Analysis with MATLAB und Data Processing and Feature Engineering with MATLAB erworben haben, um Ihre Fähigkeit zu verbessern, die Leistungsfähigkeit von MATLAB für die Analyse von Daten zu nutzen, die für Ihre Arbeit relevant sind. Diese Kenntnisse sind für diejenigen wertvoll, die über Fachwissen und einige Erfahrungen mit Berechnungswerkzeugen, aber keine Programmierkenntnisse verfügen. Um in diesem Kurs erfolgreich zu sein, sollten Sie über Grundkenntnisse in Statistik (Histogramme, Mittelwerte, Standardabweichung, Kurvenanpassung, Interpolation) verfügen und die Kurse 1 bis 2 dieser Specializations abgeschlossen haben.

Prädiktive Modellierung und maschinelles Lernen mit MATLAB
Erweitern Sie Ihre Kenntnisse mit Coursera Plus für 239 $/Jahr (normalerweise 399 $). Jetzt sparen.

Prädiktive Modellierung und maschinelles Lernen mit MATLAB
Dieser Kurs ist Teil von Spezialisierung „Praktische Datenwissenschaft mit MATLAB“



Dozenten: Michael Reardon
17.278 bereits angemeldet
Bei enthalten
119 Bewertungen
Was Sie lernen werden
Wenden Sie einen vollständigen Arbeitsablauf für maschinelles Lernen an, von der Datenbereinigung bis zum Training und der Auswertung von Modellen anhand eines realen Datensatzes
Nutzen Sie Apps, um schnell viele Modelle für maschinelles Lernen zu trainieren und den besten Ansatz für Ihre Anwendung zu finden
Passen Sie das Training mithilfe von Kostenmatrizen an, um wichtige Klassen hervorzuheben
Kompetenzen, die Sie erwerben
- Kategorie: Predictive Modeling
- Kategorie: Data Preprocessing
- Kategorie: Model Evaluation
- Kategorie: Machine Learning
- Kategorie: Data Cleansing
- Kategorie: Applied Machine Learning
- Kategorie: Supervised Learning
- Kategorie: Decision Tree Learning
- Kategorie: Feature Engineering
- Kategorie: Logistic Regression
- Kategorie: Regression Analysis
Werkzeuge, die Sie lernen werden
- Kategorie: Matlab
- Kategorie: Classification Algorithms
Wichtige Details

Zu Ihrem LinkedIn-Profil hinzufügen
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

In diesem Kurs gibt es 4 Module
Erwerben Sie ein Karrierezertifikat.
Fügen Sie dieses Zeugnis Ihrem LinkedIn-Profil, Lebenslauf oder CV hinzu. Teilen Sie sie in Social Media und in Ihrer Leistungsbeurteilung.
von
Mehr von Maschinelles Lernen entdecken

Edureka

University of Minnesota
Warum entscheiden sich Menschen für Coursera für ihre Karriere?

Felipe M.

Jennifer J.

Larry W.

Chaitanya A.
Bewertungen von Lernenden
- 5 stars
80,83 %
- 4 stars
15,83 %
- 3 stars
2,50 %
- 2 stars
0 %
- 1 star
0,83 %
Zeigt 3 von 119 an
Geprüft am 20. März 2021
Helpful in defining data preprocessing and model creation using different mechanism
Geprüft am 25. Okt. 2020
Great Course and very helpful. Good to be able to put hands on real data and exercises.
Geprüft am 6. Nov. 2020
Outstanding course with real practical study case and easy to understand approach to build ML models and deploy it for production for end-user.Good job MathWorks.

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
Weitere Fragen
Finanzielle Unterstützung verfügbar,
¹ Einige Aufgaben in diesem Kurs werden mit AI bewertet. Für diese Aufgaben werden Ihre Daten in Übereinstimmung mit Datenschutzhinweis von Courseraverwendet.











