ML-Kurse können Ihnen helfen zu lernen, wie Modelle entwickelt, trainiert und bewertet werden. Sie können Fähigkeiten in Algorithmen, Datenaufbereitung, Modelloptimierung und Analyse aufbauen. Viele Kurse stellen Python-Bibliotheken, Tools und Beispielprojekte vor.

Kompetenzen, die Sie erwerben: Maschinelles Lernen, Algorithmen für maschinelles Lernen, Künstliche Intelligenz und maschinelles Lernen (AI/ML), Prädiktive Modellierung, Regressionsanalyse, Bewertung des Modells, Künstliche Intelligenz, Tiefes Lernen, Unüberwachtes Lernen, Klassifizierungsalgorithmen, Modell Ausbildung, Reinforcement Learning, Überwachtes Lernen, Angewandtes maschinelles Lernen, Modellevaluation
Anfänger · Kurs · 1–4 Wochen
University of Michigan
Kompetenzen, die Sie erwerben: Maschinelles Lernen, Feature Technik, Algorithmen für maschinelles Lernen, Prädiktive Modellierung, Modell-Optimierung, Methoden des maschinellen Lernens, Scikit Learn (Bibliothek für maschinelles Lernen), Bewertung des Modells, Künstliche neuronale Netze, Modell Ausbildung, Technische Merkmale, Unüberwachtes Lernen, Klassifizierungsalgorithmen, Python-Programmierung, Überwachtes Lernen, Angewandtes maschinelles Lernen, Modellevaluation
Mittel · Kurs · 1–4 Wochen

DeepLearning.AI
Kompetenzen, die Sie erwerben: Faltungsneuronale Netzwerke, Modellierung großer Sprachen, Modell-Optimierung, Verarbeitung natürlicher Sprache, Künstliche Intelligenz und maschinelles Lernen (AI/ML), Computer Vision, Lernen übertragen, Künstliche Intelligenz, Künstliche neuronale Netze, Bildanalyse, Einbettungen, Rekurrente Neuronale Netze (RNNs), Gesicht umarmen, Tiefes Lernen, Generative KI, Modell Ausbildung, Faltungsneuronale Netze, Feinabstimmung, Überwachtes Lernen, Angewandtes maschinelles Lernen, Transfer Learning, Tensorflow
Auf einen Abschluss hinarbeiten
Mittel · Spezialisierung · 3–6 Monate

University of Pennsylvania
Kompetenzen, die Sie erwerben: Statistical Machine Learning, Data Preprocessing, Model Evaluation, PyTorch (Machine Learning Library), Statistical Methods, Probability, Probability & Statistics, Sampling (Statistics), Logistic Regression, Deep Learning, Probability Distribution, Statistical Modeling, Python Programming, Supervised Learning, Machine Learning, Data Processing, Agentic systems, Artificial Intelligence, Algorithms, AI literacy
Mittel · Spezialisierung · 3–6 Monate

Duke University
Kompetenzen, die Sie erwerben: Maschinelles Lernen, Microsoft Azure, GitHub Kopilot, MLOps (Operationen für maschinelles Lernen), Pandas (Python-Paket), Cloud-Bereitstellung, Gesicht umarmen, NumPy, Datenanalyse, GitHub, Modell-Einsatz, Cloud Computing, Große Daten, Datenmanagement, Feinabstimmung, Datenverwaltung, Verantwortungsvolle AI, DevOps, Python-Programmierung, AWS SageMaker, Einheitliche Prüfung, Einheitstest
Fortgeschritten · Spezialisierung · 3–6 Monate

Coursera
Kompetenzen, die Sie erwerben: Maschinelles Lernen, Algorithmen für maschinelles Lernen, Feature Technik, Prädiktive Analytik, Software für maschinelles Lernen, Prädiktive Modellierung, Scikit Learn (Bibliothek für maschinelles Lernen), Dimensionalitätsreduktion, Methoden des maschinellen Lernens, Vorhersage, Bewertung des Modells, Modell Ausbildung, Datenvorverarbeitung, Zeitreihenanalyse und Vorhersage, Technische Merkmale, Unüberwachtes Lernen, Vorverarbeitung von Daten, Statistisches maschinelles Lernen, Klassifizierungsalgorithmen, Überwachtes Lernen, Datenwrangling, Angewandtes maschinelles Lernen, Modellevaluation
Mittel · Kurs · 1–4 Wochen

Duke University
Kompetenzen, die Sie erwerben: Maschinelles Lernen, Faltungsneuronale Netzwerke, Modell-Optimierung, Computer Vision, Verarbeitung natürlicher Sprache, Logistische Regression, Lernen übertragen, Methoden des maschinellen Lernens, Bildanalyse, Tiefes Lernen, Künstliche neuronale Netze, Reinforcement Learning, Modell Ausbildung, Faltungsneuronale Netze, Unüberwachtes Lernen, Medizinische Bildgebung, Python-Programmierung, Überwachtes Lernen, Angewandtes maschinelles Lernen, PyTorch (Bibliothek für maschinelles Lernen), Transfer Learning
Mittel · Kurs · 1–3 Monate

Kompetenzen, die Sie erwerben: Generative AI, Model Evaluation, Supervised Learning, Generative Model Architectures, Recurrent Neural Networks (RNNs), Unsupervised Learning, Data Preprocessing, Large Language Modeling, Time Series Analysis and Forecasting, Exploratory Data Analysis, LLM Application, Applied Machine Learning, Data Collection, Model Optimization, Convolutional Neural Networks, Model Deployment, Transfer Learning, Artificial Intelligence and Machine Learning (AI/ML), Machine Learning Methods, Machine Learning Software
Mittel · Berufsbezogenes Zertifikat · 3–6 Monate
University of London
Kompetenzen, die Sie erwerben: Maschinelles Lernen, KI-Kenntnisse, Feature Technik, Datenerfassung, Algorithmen für maschinelles Lernen, Software für maschinelles Lernen, Datenerhebung, Künstliche Intelligenz, Methoden des maschinellen Lernens, Bewertung des Modells, Modell Ausbildung, Statistisches maschinelles Lernen, Technische Merkmale, Klassifizierungsalgorithmen, Test Daten, Angewandtes maschinelles Lernen, Modellevaluation
Auf einen Abschluss hinarbeiten
Anfänger · Kurs · 1–4 Wochen

DeepLearning.AI
Kompetenzen, die Sie erwerben: Maschinelles Lernen, KI-Kenntnisse, AI-Integrationen, Daten-Ethik, Künstliche Intelligenz, Datenwissenschaft, Künstliche neuronale Netze, Tiefes Lernen, Verantwortungsvolle AI, AI-Förderung, KI-Produktstrategie, Angewandtes maschinelles Lernen
Anfänger · Kurs · 1–4 Wochen

DeepLearning.AI
Kompetenzen, die Sie erwerben: Maschinelles Lernen, Datenerfassung, Modell-Optimierung, MLOps (Operationen für maschinelles Lernen), Kontinuierliche Überwachung, Datenpflege, Datenerhebung, Bereitstellung von Anwendungen, Bewertung des Modells, Daten-Synthese, Datenvalidierung, Datenqualität, Modell-Einsatz, Datenvorverarbeitung, Unstrukturierte Daten, Modell Ausbildung, Qualität der Daten, Systemüberwachung, Vorverarbeitung von Daten, Validierung von Daten, Kontinuierliche Bereitstellung, Angewandtes maschinelles Lernen, Integrität der Daten, Modellevaluation
Mittel · Kurs · 1–4 Wochen

Kompetenzen, die Sie erwerben: Feature Engineering, MLOps (Machine Learning Operations), Model Optimization, Generative AI, Google Cloud Platform, Model Deployment, Tensorflow, Generative AI Agents, Google Gemini, Model Training, Dataflow, Big Data, Keras (Neural Network Library), Machine Learning, Generative Model Architectures, Data Preprocessing, Machine Learning Software, CI/CD, Machine Learning Methods, Cloud Computing
Mittel · Berufsbezogenes Zertifikat · 3–6 Monate