Sie haben ein Problem des maschinellen Lernens formuliert und einen potenziellen Datensatz identifiziert, den Sie verwenden möchten. Jetzt werden Sie den Datensatz analysieren, um Ideen zu entwickeln, wie Sie die darin enthaltenen Informationen am besten nutzen können, um Ihr erstes maschinelles Lernmodell zu erstellen.

Bevor ein Datensatz mit einem Modell für maschinelles Lernen verwendet werden kann, müssen Sie in der Regel verschiedene Aufgaben durchführen, um sicherzustellen, dass die Daten in einem optimalen Zustand sind. In diesem Modul werden Sie verschiedene Methoden zur Vorbereitung der Daten anwenden.

Um ein Modell für maschinelles Lernen in einer Umgebung wie Python einzurichten, müssen Sie den Algorithmus bestimmen, der die von Ihnen gewünschten Ergebnisse liefert, und ihn dann verwenden, um ein Modell auf der Grundlage Ihrer Trainingsdaten zu erstellen. Nach der anfänglichen Einrichtung kann es mehrere Tests und Verfeinerungen erfordern, um ein Modell zu erstellen, das Ihren Anforderungen entspricht.

Jetzt, wo Sie das Training und die Abstimmung eines maschinellen Lernmodells abgeschlossen haben, können Sie sich dem Einsatz des Modells zuwenden. Dabei kann es sich um die Erstellung eines Berichts auf der Grundlage Ihrer Ergebnisse handeln oder um einen weitaus größeren Aufwand, insbesondere wenn das Modell in wiederholbare Prozesse integriert oder Teil einer Softwarelösung werden soll. In jedem Fall ist die Fertigstellung der entscheidende Abschluss des maschinellen Lernprozesses.

Sie werden an einem Projekt arbeiten, in dem Sie Ihr Wissen aus diesem Kurs auf ein praktisches Szenario anwenden werden.