Im zweiten Kurs der Machine Learning Specialization werden Sie: - ein neuronales Netzwerk mit TensorFlow aufbauen und trainieren, um eine Mehrklassen-Klassifizierung durchzuführen - Best Practices für die Entwicklung von maschinellem Lernen anwenden, damit Ihre Modelle auf Daten und Aufgaben in der realen Welt verallgemeinert werden können - Entscheidungsbäume und Baum-Ensemble-Methoden, einschließlich Random Forests und Boosted Trees aufbauen und verwenden Die Machine Learning Specialization ist ein grundlegendes Online-Programm, das in Zusammenarbeit zwischen DeepLearning.AI und Stanford Online entwickelt wurde. In diesem einsteigerfreundlichen Programm lernen Sie die Grundlagen des maschinellen Lernens und wie Sie diese Techniken für die Entwicklung realer KI-Anwendungen einsetzen können.

Fortgeschrittene Lernalgorithmen


Fortgeschrittene Lernalgorithmen
Dieser Kurs ist Teil von Spezialisierung „Maschinelles Lernen“
Unterrichtet in Deutsch (KI-Synchronisation)



Dozenten: Andrew Ng
TOP-LEHRKRAFT
464.685 bereits angemeldet
Fragen Sie Coursera
8,767 Bewertungen
Empfohlene Erfahrung
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: Verantwortungsvolle AI
- Kategorie: Lernen übertragen
- Kategorie: Algorithmen für maschinelles Lernen
- Kategorie: Angewandtes maschinelles Lernen
- Kategorie: Logistische Regression
- Kategorie: Bewertung des Modells
- Kategorie: Tiefes Lernen
- Kategorie: Daten-Ethik
- Kategorie: Random Forest Algorithmus
- Kategorie: Regressionsanalyse
- Kategorie: Entscheidungsbaum-Lernen
- Kategorie: Modell Ausbildung
- Kategorie: Überwachtes Lernen
- Kategorie: Maschinelles Lernen
- Kategorie: Modell-Optimierung
- Kategorie: Künstliche neuronale Netze
Werkzeuge, die Sie lernen werden
- Kategorie: Tensorflow
- Kategorie: Klassifizierungsalgorithmen
Wichtige Details

Zu Ihrem LinkedIn-Profil hinzufügen
14 Aufgaben
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.
Dozenten

Mehr von Maschinelles Lernen entdecken
Status: Kostenloser TestzeitraumFractal Analytics
Status: Kostenloser TestzeitraumDeepLearning.AI
Status: Kostenloser Testzeitraum
Status: Kostenloser TestzeitraumJohns Hopkins University
Warum entscheiden sich Menschen für Coursera für ihre Karriere?

Felipe M.

Jennifer J.

Larry W.

Chaitanya A.
Bewertungen von Lernenden
- 5 stars
92,54 %
- 4 stars
6,42 %
- 3 stars
0,56 %
- 2 stars
0,19 %
- 1 star
0,26 %
Zeigt 3 von 8767 an
Geprüft am 29. Juli 2023
Another fantastic course by Andrew Ng! He covers neural networks, decision trees, random forest, and XGBoost models really well. I like that he shares his intuition behind every concept he explains.
Geprüft am 20. März 2025
Really well explained course, keeping the lessons lengths short and explained in easy language. I am amazed at how much I feel I have learned in the last few weeks since I started this course.
Geprüft am 11. Juli 2024
what amazing course, I had never thought that i could understand these complex ml algorithm but this course not only made me understand them also taught me create these models from scratch🤯
Bringen Sie Ihre Karriere mit einem Online-Abschluss voran.
Erwerben Sie einen Abschluss von erstklassigen Universitäten – 100 % online
Häufig gestellte Fragen
Weitere Fragen
Finanzielle Unterstützung verfügbar,


