Die Machine Learning Specialization ist ein Einsteigerprogramm, das sich an diejenigen richtet, die neu in der KI sind und ein grundlegendes Verständnis von Machine Learning-Modellen und praktische Erfahrungen beim Aufbau von Systemen mit Python erwerben möchten.

Diese Specialization eignet sich für Lernende mit Grundkenntnissen in Programmierung und Mathematik auf High-School-Niveau sowie für Berufseinsteiger in den Bereichen Softwareentwicklung und Datenanalyse, die sich im Bereich maschinelles Lernen weiterbilden möchten.

Diese Specialization besteht aus drei Kursen. Bei 5 Stunden pro Woche dauert es 3 Wochen, um Kurs 1 zu absolvieren, 4 Wochen, um Kurs 2 zu absolvieren, und 3 Wochen, um Kurs 3 der Machine Learning Specialization zu absolvieren.

Diese Specialization wurde von Andrew Ng, Eddy Shyu, Aarti Bagul und Geoff Ladwig entwickelt.

Andrew Ng ist der Gründer von DeepLearning.AI, Gründer und CEO von Landing AI, Vorsitzender und Mitbegründer von Coursera und außerordentlicher Professor an der Stanford University. Dr. Ng hat durch seine Arbeit unzählige Leben verändert. Er ist Autor oder Mitautor von über 200 Forschungsarbeiten in den Bereichen maschinelles Lernen, Robotik und verwandten Gebieten. Er war der Gründungsleiter des Google Brain-Teams und Chief Scientist bei Baidu und hat durch seine Arbeit die Teams aufgebaut, die die KI-Transformation von zwei führenden Internetunternehmen geleitet haben. Er ist Mitbegründer und Vorsitzender von Coursera - der weltweit größten Online-Lernplattform - die mit seinem Kurs über maschinelles Lernen begann. Dr. Ng konzentriert sich jetzt hauptsächlich auf seine unternehmerischen Unternehmungen und sucht nach den besten Wegen, um verantwortungsvolle KI-Praktiken in der globalen Wirtschaft zu beschleunigen.

Eddy Shyu ist Produktleiter bei DeepLearning.AI und hat die Teams geleitet, die die Specialization Machine Learning (mit Andrew Ng), TensorFlow Advanced Techniques (mit Laurence Moroney) sowie die Specialization Natural Language Processing und AI for Medicine entwickelt haben. Eddy war außerdem Co-Dozent für das Nanodegree-Programm AI for Trading von Udacity.

Aarti Bagul ist eine Ingenieurin für maschinelles Lernen bei Snorkel AI. Bevor sie zu Snorkel kam, arbeitete sie in verschiedenen Funktionen eng mit Andrew Ng zusammen: Beim AI Fund half sie beim Aufbau von und bei Investitionen in Unternehmen für maschinelles Lernen. Zuvor war sie Ingenieurin für maschinelles Lernen bei Landing AI und Assistentin des Leiters der Deep Learning-Klasse von Dr. Ng an der Stanford University. Sie hat einen Master-Abschluss in Computerwissenschaften in Stanford und einen Bachelor-Abschluss in Computerwissenschaften und Computertechnik an der NYU mit höchster Auszeichnung.

Geoff Ladwig begann als Deep Learning-Student und Mentor für die Deep Learning Specialization. Er arbeitete als Berater für die Natural Language Processing Specialization und als Curriculum Engineer für die Machine Learning Specialization. Geoff hat den größten Teil seiner Karriere als ASIC/Hardware/Systemingenieur/Architekt in der Kommunikations- und Computerindustrie verbracht.

Die Machine Learning Specialization ist ein grundlegendes Online-Programm, das von Andrew Ng gelehrt wird, einem KI-Visionär, der entscheidende Forschungsarbeiten an der Stanford University und bahnbrechende Arbeiten bei Google Brain, Baidu und Landing.AI geleitet hat, um das KI-Feld voranzubringen.

Diese Specialization mit 3 Kursen ist eine aktualisierte und erweiterte Version von Andrews bahnbrechendem Kurs über maschinelles Lernen, der mit 4,9 von 5 Punkten bewertet wurde und seit seiner Einführung im Jahr 2012 von über 4,8 Millionen Lernenden besucht wurde.

Dieses Programm wurde entwickelt, um Ihnen die grundlegenden Konzepte des maschinellen Lernens zu vermitteln, ohne dass Sie über mathematische Vorkenntnisse oder einen rigorosen Codierungshintergrund verfügen müssen. Im Gegensatz zum ursprünglichen Kurs, der einige mathematische Kenntnisse voraussetzte, bietet die neue Specializations ein ausgewogenes Verhältnis zwischen Intuition, Code-Praxis und mathematischer Theorie, um eine einfache und effektive Lernerfahrung für Einsteiger zu schaffen.

Jede Lektion beginnt mit einer visuellen Darstellung der Konzepte des maschinellen Lernens und einer ausführlichen Erklärung der dahinter stehenden Intuition. Anschließend erhalten Sie den Code, mit dem Sie diese Algorithmen implementieren können, und zusätzliche Videos, die die zugrunde liegende Mathematik erklären, wenn Sie tiefer einsteigen möchten. Diese Lektionen sind optional und werden nicht benötigt, um die Specialization abzuschließen oder maschinelles Lernen in realen Projekten anzuwenden.

Wenn Sie den Einstieg in die KI suchen oder eine Karriere im Bereich des maschinellen Lernens aufbauen möchten, ist die neue Machine Learning Specialization der beste Einstieg.

Die neue Machine Learning Specialization enthält eine erweiterte Liste von Themen, die sich auf die wichtigsten Konzepte des maschinellen Lernens (wie z.B. Entscheidungsbäume) und Tools (wie z.B. TensorFlow) konzentrieren.

Anders als der ursprüngliche Kurs ist die neue Specialization so konzipiert, dass grundlegende ML-Konzepte ohne mathematische Vorkenntnisse oder einen rigorosen Codierungshintergrund vermittelt werden. Sie bietet ein ausgewogenes Verhältnis zwischen Intuition, Code-Praxis und mathematischer Theorie, um ein einfaches und effektives Lernerlebnis für Erstsemester zu schaffen.

Jede Lektion beginnt mit einer visuellen Darstellung der Konzepte des maschinellen Lernens und einer ausführlichen Erklärung der dahinter stehenden Intuition. Anschließend erhalten Sie den Code, mit dem Sie diese Algorithmen implementieren können, sowie zusätzliche Videos, die die zugrunde liegende Mathematik erklären, wenn Sie tiefer einsteigen möchten. Diese Lektionen sind optional und werden nicht benötigt, um die Specialization abzuschließen oder maschinelles Lernen auf reale Projekte anzuwenden.

In den zehn Jahren seit dem ersten Kurs über maschinelles Lernen hat sich Python zur wichtigsten Programmiersprache für KI-Anwendungen entwickelt. Die Aufgaben und Vorlesungen in der neuen Specialization wurden so umgestaltet, dass nun Python und nicht mehr Octave verwendet wird, wie im ursprünglichen Kurs.

Vor den benoteten Programmieraufgaben gibt es zusätzliche unbenotete Code-Notizbücher mit Beispielcode und interaktiven Diagrammen, die Ihnen helfen, die Funktionsweise eines Algorithmus zu visualisieren und die Bearbeitung der Programmierübungen zu erleichtern.

Der Abschnitt über praktische Ratschläge zur Anwendung des maschinellen Lernens wurde auf der Grundlage neuer bewährter Verfahren aus dem letzten Jahrzehnt erheblich aktualisiert.

Die neue Machine Learning Specialization ist der beste Einstieg für Anfänger, die in den Bereich der Künstlichen Intelligenz einsteigen oder ihre Karriere im Bereich Machine Learning beginnen möchten. Diese aktualisierte Specialization übernimmt den Kernlehrplan - der im Laufe der Jahre von Millionen von Lernenden geprüft wurde - und macht ihn für Anfänger zugänglicher.

Anders als der ursprüngliche Kurs ist die neue Specialization so konzipiert, dass sie grundlegende ML-Konzepte ohne mathematische Vorkenntnisse oder einen rigorosen Kodierungshintergrund vermittelt. Sie bietet ein ausgewogenes Verhältnis zwischen Intuition, Code-Praxis und mathematischer Theorie, um eine einfache und effektive Lernerfahrung für Anfänger zu schaffen.

Jede Lektion beginnt mit einer visuellen Darstellung der Konzepte des maschinellen Lernens und einer ausführlichen Erklärung der dahinter stehenden Intuition. Anschließend erhalten Sie den Code, mit dem Sie diese Algorithmen implementieren können, sowie zusätzliche Videos, die die zugrunde liegende Mathematik erklären, wenn Sie tiefer einsteigen möchten. Diese Lektionen sind optional und werden nicht benötigt, um die Specialization abzuschließen oder maschinelles Lernen in realen Projekten anzuwenden.

Die neue Machine Learning Specialization enthält eine erweiterte Liste von Themen, die sich auf die wichtigsten Konzepte des maschinellen Lernens (wie z.B. Entscheidungsbäume) und Tools (wie z.B. TensorFlow) konzentrieren.

In den zehn Jahren seit dem ersten Kurs über maschinelles Lernen hat sich Python zur wichtigsten Programmiersprache für KI-Anwendungen entwickelt. Die Aufgaben und Vorlesungen in der neuen Specialization wurden so umgestaltet, dass Python und nicht Octave verwendet wird, wie im ursprünglichen Kurs.

Vor den benoteten Programmieraufgaben gibt es zusätzliche unbenotete Code-Notizbücher mit Beispielcode und interaktiven Diagrammen, die Ihnen helfen, die Funktionsweise eines Algorithmus zu veranschaulichen und die Bearbeitung der Programmierübungen zu erleichtern.

Der Abschnitt über praktische Ratschläge zur Anwendung des maschinellen Lernens wurde auf der Grundlage neuer bewährter Verfahren aus dem letzten Jahrzehnt erheblich aktualisiert.

Wenn Sie sich für den ursprünglichen Kurs angemeldet, ihn aber nicht abgeschlossen haben, weil Sie vielleicht von den mathematischen Anforderungen abgeschreckt wurden oder nicht wussten, ob Sie mit den Lektionen Schritt halten können, dann ist die neue Machine Learning Specialization genau das Richtige für Sie. Diese aktualisierte Specialization übernimmt den Kernlehrplan - der im Laufe der Jahre von Millionen von Lernenden geprüft wurde - und macht ihn für Anfänger zugänglicher.

Anders als der ursprüngliche Kurs ist die neue Specialization darauf ausgelegt, grundlegende ML-Konzepte zu vermitteln, ohne dass Sie über mathematische Vorkenntnisse oder einen rigorosen Kodierungshintergrund verfügen müssen. Sie bietet ein ausgewogenes Verhältnis zwischen Intuition, Code-Praxis und mathematischer Theorie, um eine einfache und effektive Lernerfahrung für Anfänger zu schaffen.

Jede Lektion beginnt mit einer visuellen Darstellung der Konzepte des maschinellen Lernens und einer ausführlichen Erklärung der dahinter stehenden Intuition. Anschließend erhalten Sie den Code, mit dem Sie diese Algorithmen implementieren können, sowie zusätzliche Videos, die die zugrunde liegende Mathematik erklären, wenn Sie tiefer einsteigen möchten. Diese Lektionen sind optional und werden nicht benötigt, um die Specialization abzuschließen oder maschinelles Lernen in realen Projekten anzuwenden.

Die neue Machine Learning Specialization enthält eine erweiterte Liste von Themen, die sich auf die wichtigsten Konzepte des maschinellen Lernens (wie z.B. Entscheidungsbäume) und Tools (wie z.B. TensorFlow) konzentrieren.

In den zehn Jahren seit dem ersten Kurs über maschinelles Lernen hat sich Python zur wichtigsten Programmiersprache für KI-Anwendungen entwickelt. Die Aufgaben und Vorlesungen in der neuen Specialization wurden so umgestaltet, dass Python und nicht Octave verwendet wird, wie im ursprünglichen Kurs.

Vor den benoteten Programmieraufgaben gibt es zusätzliche unbenotete Code-Notizbücher mit Beispielcode und interaktiven Diagrammen, die Ihnen helfen, die Funktionsweise eines Algorithmus zu veranschaulichen und die Bearbeitung der Programmierübungen zu erleichtern.

Der Abschnitt über praktische Ratschläge zur Anwendung des maschinellen Lernens wurde auf der Grundlage neuer bewährter Verfahren aus dem letzten Jahrzehnt erheblich aktualisiert.

Herzlichen Glückwunsch zum Abschluss des ursprünglichen Kurses Maschinelles Lernen! Diese neue Specialization ist eine hervorragende Möglichkeit, die grundlegenden Konzepte aufzufrischen, die Sie gelernt haben.

Die neue Machine Learning Specialization enthält eine erweiterte Liste von Themen, die sich auf die wichtigsten Konzepte des maschinellen Lernens (wie z.B. Entscheidungsbäume) und Tools (wie z.B. TensorFlow) konzentrieren.

In den zehn Jahren seit dem ersten Kurs über maschinelles Lernen hat sich Python zur wichtigsten Programmiersprache für KI-Anwendungen entwickelt. Die Aufgaben und Vorlesungen in der neuen Specialization wurden so umgestaltet, dass Python und nicht Octave verwendet wird, wie im ursprünglichen Kurs.

Vor den benoteten Programmieraufgaben gibt es zusätzliche unbenotete Code-Notizbücher mit Beispielcode und interaktiven Diagrammen, die Ihnen helfen, die Funktionsweise eines Algorithmus zu veranschaulichen und die Bearbeitung der Programmierübungen zu erleichtern.

Der Abschnitt über praktische Ratschläge zur Anwendung des maschinellen Lernens wurde auf der Grundlage neuer bewährter Verfahren aus dem letzten Jahrzehnt erheblich aktualisiert.

Herzlichen Glückwunsch zum Abschluss der Deep Learning Specialization! Im Vergleich zur fortgeschritteneren Deep Learning Specialization deckt die neue Machine Learning Specialization Themen wie unüberwachtes Lernen, Empfehlungssysteme, baumbasierte Modelle und andere häufig verwendete traditionelle Algorithmen des maschinellen Lernens ab, die nicht auf neuronalen Netzwerken basieren.

Wenn Sie bereits als KI-Experte arbeiten, können Sie Ihre Kenntnisse auffrischen und diese neuesten Techniken kennenlernen, um Ihre Karriere voranzutreiben.

Die Machine Learning Specialization besteht aus 3 Kursen.

Wir empfehlen, die Kurse in der vorgeschriebenen Reihenfolge zu belegen, um eine logische und gründliche Lernerfahrung zu machen.

Ein Coursera-Abonnement kostet $49 / Monat.

Ja, Coursera bietet finanzielle Unterstützung für Lernende, die sich die Gebühren nicht leisten können.

Sie können die Kurse der Machine Learning Specialization kostenlos besuchen.

Beachten Sie, dass Sie am Ende des Kurses kein Zertifikat erhalten, wenn Sie den Kurs kostenlos besuchen, anstatt ihn zu kaufen.

∙ Gehen Sie zu Ihrem Coursera-Konto.

∙ Klicken Sie auf Meine Einkäufe und suchen Sie den entsprechenden Kurs oder die Specialization.

∙ Klicken Sie auf Quittung per E-Mail und warten Sie bis zu 24 Stunden, um die Quittung zu erhalten.

Sie können hier mehr darüber lesen.

Besuchen Sie coursera.org/business für weitere Informationen, um einen Plan auszuwählen und Coursera zu kontaktieren. Für jeden Plan bestimmen Sie die Anzahl der Kurse, für die sich jedes Mitglied einschreiben kann, und die Sammlung von Kursen, aus der es wählen kann.

Nein

Sie erhalten am Ende eines jeden Kurses ein Zertifikat, wenn Sie für die Kurse bezahlen und die Programmieraufgaben erfüllen. Es gibt eine Grenze von 180 Tagen, nach der Sie das Zertifikat erhalten können. Danach müssen Sie den Kurs erneut kaufen, um ein Zertifikat zu erhalten. Wenn Sie den Kurs kostenlos besuchen, erhalten Sie kein Zertifikat.

Wenn Sie alle 3 Kurse abschließen und für die Specialization angemeldet sind, erhalten Sie außerdem ein zusätzliches Zertifikat, das belegt, dass Sie die gesamte Specialization abgeschlossen haben.

Dieser Kurs ist komplett online, Sie müssen also nicht persönlich in einem Klassenzimmer erscheinen. Sie können jederzeit und überall über das Internet oder Ihr mobiles Gerät auf Ihre Vorlesungen, Lesestoff und Aufgaben zugreifen.

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.

Ja! Um loszulegen, klicken Sie auf die Kurskarte, die Sie interessiert, und melden Sie sich an. Sie können sich einschreiben und den Kurs abschließen, um ein Zertifikat zu erhalten, das Sie mit anderen teilen können, oder Sie können den Kurs besuchen, um das Kursmaterial kostenlos anzusehen. Wenn Sie sich für einen Kurs anmelden, der Teil einer Specialization ist, sind Sie automatisch auch für die gesamte Specialization angemeldet. Besuchen Sie Ihr Lerner-Dashboard, um Ihren Fortschritt zu verfolgen.

Ja. Für ausgewählte Lernprogramme können Sie eine finanzielle Unterstützung oder ein Stipendium beantragen, wenn Sie die Einschreibegebühr nicht aufbringen können. Wenn für das von Ihnen gewählte Lernprogramm eine finanzielle Unterstützung oder ein Stipendium verfügbar ist, finden Sie auf der Beschreibungsseite einen Link zur Beantragung.