In der Spezialisierung Maschinelles Lernen werden wir Supervised Learning, Unsupervised Learning und die Grundlagen des Deep Learning behandeln. Sie werden ML-Algorithmen auf reale Daten anwenden, lernen, wann Sie welches Modell verwenden und warum, und Sie werden die Leistung Ihrer Modelle verbessern. Wir beginnen mit dem überwachten Lernen und behandeln lineare und logistische Regression, KNN, Entscheidungsbäume, Ensembling-Methoden wie Random Forest und Boosting sowie Kernel-Methoden wie SVM. Dann wenden wir uns unüberwachten Methoden zu, darunter Techniken zur Dimensionalitätsreduktion (z.B. PCA), Clustering und Empfehlungssysteme. Wir schließen mit einer Einführung in die Grundlagen des Deep Learning, einschließlich der Auswahl von Modellarchitekturen, dem Aufbau/Training neuronaler Netze mit Bibliotheken wie Keras und praktischen Beispielen von CNNs und RNNs.
Diese Spezialisierung kann als Teil des MS in Data Science oder des MS in Computer Science der CU Boulder auf der Coursera-Plattform als akademische Leistung angerechnet werden. Diese vollständig akkreditierten Studiengänge bieten gezielte Kurse, kurze 8-wöchige Sitzungen und kostenpflichtige Studiengebühren. Die Zulassung basiert auf den Leistungen in drei Vorkursen, nicht auf dem akademischen Werdegang. Die CU-Abschlüsse auf Coursera sind ideal für Hochschulabsolventen und Berufstätige. Erfahren Sie mehr:
MS in Datenwissenschaft: https://www.coursera.org/degrees/master-of-science-data-science-boulder
MS in Computerwissenschaften: https://coursera.org/degrees/ms-computer-science-boulder
Praktisches Lernprojekt
In dieser Specialization werden Sie ein Filmempfehlungssystem aufbauen, Krebsarten anhand von RNA-Sequenzen identifizieren, CNNs für die digitale Pathologie einsetzen, NLP-Techniken an Katastrophen-Tweets üben und sogar Ihre Bilder von Hunden mit GANs erzeugen. Sie werden ein abschließendes beaufsichtigtes, unüberwachtes und Deep Learning-Projekt durchführen, um die Beherrschung des Kurses zu demonstrieren.