Genießen Sie unbegrenztes Wachstum mit einem Jahr Coursera Plus für 199 $ (regulär 399 $). Jetzt sparen.

DeepLearning.AI
Stanford University

Fortgeschrittene Lernalgorithmen

Dieser Kurs ist Teil von Spezialisierung für Maschinelles Lernen

Unterrichtet in Deutsch (KI-Synchronisation)

Andrew Ng
Aarti Bagul
Geoff Ladwig

Dozenten: Andrew Ng

TOP-LEHRKRAFT

421.348 bereits angemeldet

Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.
4.9

(8,486 Bewertungen)

Stufe Anfänger

Empfohlene Erfahrung

Flexibler Zeitplan
3 Wochen bei 10 Stunden eine Woche
In Ihrem eigenen Lerntempo lernen
98%
Den meisten Lernenden hat dieser Kurs gefallen
Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.
4.9

(8,486 Bewertungen)

Stufe Anfänger

Empfohlene Erfahrung

Flexibler Zeitplan
3 Wochen bei 10 Stunden eine Woche
In Ihrem eigenen Lerntempo lernen
98%
Den meisten Lernenden hat dieser Kurs gefallen

Was Sie lernen werden

  • Erstellen und trainieren Sie ein neuronales Netzwerk mit TensorFlow, um eine Mehrklassen-Klassifizierung durchzuführen

  • Wenden Sie Best Practices für die Entwicklung von maschinellem Lernen an, damit Ihre Modelle auf Daten und Aufgaben in der realen Welt verallgemeinert werden können

  • Erstellen und verwenden Sie Entscheidungsbäume und Baum-Ensemble-Methoden, einschließlich Random Forests und Boosted Trees

Kompetenzen, die Sie erwerben

  • Kategorie: Logistische Regression
  • Kategorie: Lernen übertragen
  • Kategorie: Tensorflow
  • Kategorie: Leistungsoptimierung
  • Kategorie: Deep Learning
  • Kategorie: Modell Bewertung
  • Kategorie: Random Forest Algorithmus
  • Kategorie: Überwachtes Lernen
  • Kategorie: Lernen mit Entscheidungsbäumen
  • Kategorie: Maschinelles Lernen
  • Kategorie: Künstliche Intelligenz
  • Kategorie: Künstliche neuronale Netze
  • Kategorie: Klassifizierungsalgorithmen
  • Kategorie: Datenethik
  • Kategorie: Angewandtes maschinelles Lernen

Wichtige Details

Zertifikat zur Vorlage

Zu Ihrem LinkedIn-Profil hinzufügen

Bewertungen

14 Aufgaben

Unterrichtet in Deutsch (KI-Synchronisation)

Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.

 Logos von Petrobras, TATA, Danone, Capgemini, P&G und L'Oreal

Erweitern Sie Ihre Fachkenntnisse

Dieser Kurs ist Teil der Spezialisierung Spezialisierung für Maschinelles Lernen
Wenn Sie sich für diesen Kurs anmelden, werden Sie auch für diese Spezialisierung angemeldet.
  • 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

In dieser Woche lernen Sie neuronale Netzwerke kennen und erfahren, wie Sie sie für Klassifizierungsaufgaben einsetzen können. Sie werden das TensorFlow-Framework verwenden, um ein neuronales Netzwerk mit nur ein paar Zeilen Code zu erstellen. Dann tauchen Sie tiefer ein und lernen, wie Sie Ihr eigenes neuronales Netzwerk in Python "von Grund auf" programmieren können. Optional können Sie mehr darüber erfahren, wie Berechnungen in neuronalen Netzwerken durch Parallelverarbeitung (Vektorisierung) effizient umgesetzt werden.

Das ist alles enthalten

17 Videos1 Lektüre4 Aufgaben1 Programmieraufgabe3 Unbewertete Labore

In dieser Woche lernen Sie, wie Sie Ihr Modell in TensorFlow trainieren. Außerdem lernen Sie andere wichtige Aktivierungsfunktionen (neben der Sigmoid-Funktion) kennen und erfahren, wo Sie jeden Typ in einem neuronalen Netzwerk einsetzen können. Sie werden auch lernen, wie Sie über die binäre Klassifizierung hinaus zur Multiklassen-Klassifizierung (3 oder mehr Kategorien) übergehen können. Bei der Multiklassenklassifizierung lernen Sie eine neue Aktivierungsfunktion und eine neue Verlustfunktion kennen. Optional können Sie auch den Unterschied zwischen der Multiklassen-Klassifizierung und der Multi-Label-Klassifizierung kennenlernen. Sie lernen den Adam-Optimierer kennen und erfahren, warum er eine Verbesserung des regulären Gradientenabstiegs für das Training neuronaler Netzwerke darstellt. Schließlich erhalten Sie eine kurze Einführung in andere Ebenentypen als die, die Sie bisher kennengelernt haben.

Das ist alles enthalten

15 Videos4 Aufgaben1 Programmieraufgabe5 Unbewertete Labore

Diese Woche lernen Sie bewährte Methoden für das Training und die Bewertung Ihrer Lernalgorithmen kennen, um die Leistung zu verbessern. Sie erhalten eine Vielzahl nützlicher Ratschläge zum Lebenszyklus des maschinellen Lernens, zur Optimierung Ihres Modells und zur Verbesserung Ihrer Trainingsdaten.

Das ist alles enthalten

17 Videos3 Aufgaben1 Programmieraufgabe2 Unbewertete Labore

In dieser Woche lernen Sie einen praktischen und weit verbreiteten Lernalgorithmus kennen: den Entscheidungsbaum. Außerdem lernen Sie Variationen des Entscheidungsbaums kennen, darunter Random Forests und Boosted Trees (XGBoost).

Das ist alles enthalten

14 Videos2 Lektüren3 Aufgaben1 Programmieraufgabe2 Unbewertete Labore

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.

Dozenten

Lehrkraftbewertungen
5.0 (2,527 Bewertungen)
Andrew Ng

TOP-LEHRKRAFT

DeepLearning.AI
51 Kurse9.377.947 Lernende

von

DeepLearning.AI
Stanford University

Mehr von Maschinelles Lernen entdecken

Warum entscheiden sich Menschen für Coursera für ihre Karriere?

Felipe M.
Lernender seit 2018
„Es ist eine großartige Erfahrung, in meinem eigenen Tempo zu lernen. Ich kann lernen, wenn ich Zeit und Nerven dazu habe.“
Jennifer J.
Lernender seit 2020
„Bei einem spannenden neuen Projekt konnte ich die neuen Kenntnisse und Kompetenzen aus den Kursen direkt bei der Arbeit anwenden.“
Larry W.
Lernender seit 2021
„Wenn mir Kurse zu Themen fehlen, die meine Universität nicht anbietet, ist Coursera mit die beste Alternative.“
Chaitanya A.
„Man lernt nicht nur, um bei der Arbeit besser zu werden. Es geht noch um viel mehr. Bei Coursera kann ich ohne Grenzen lernen.“

Bewertungen von Lernenden

4.9

8.486 Bewertungen

  • 5 stars

    92,63 %

  • 4 stars

    6,40 %

  • 3 stars

    0,56 %

  • 2 stars

    0,16 %

  • 1 star

    0,23 %

Zeigt 3 von 8486 an

MP
5

Geprüft am 4. Nov. 2025

AA
4

Geprüft am 29. Dez. 2024

MN
5

Geprüft am 29. Juli 2023

Häufig gestellte Fragen