Edureka

Grundlagen des Maschinellen Lernens und NLP

Edureka

Grundlagen des Maschinellen Lernens und NLP

Dieser Kurs ist Teil von Spezialisierung „Lernen Sie generative KI mit LLMs“

Unterrichtet in Deutsch (KI-Synchronisation)

Edureka

Dozent: Edureka

5.397 bereits angemeldet

Bei Coursera Plus enthalten

Mehr erfahren

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

33 Bewertungen

Stufe Anfänger

Empfohlene Erfahrung

2 Wochen zu vervollständigen
unter 10 Stunden pro Woche
Flexibler Zeitplan
In Ihrem eigenen Lerntempo lernen
Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.

33 Bewertungen

Stufe Anfänger

Empfohlene Erfahrung

2 Wochen zu vervollständigen
unter 10 Stunden pro Woche
Flexibler Zeitplan
In Ihrem eigenen Lerntempo lernen

Was Sie lernen werden

  • Verstehen der Grundlagen des maschinellen Lernens, Anwendung von überwachtem, unüberwachtem und verstärktem Lernen für die Vorhersagemodellierung.

  • Entwicklung tiefer neuronaler Netze unter Verwendung von CNNs und RNNs mit LSTM für Bildklassifizierungs- und Sequenzvorhersageaufgaben.

  • Verwenden Sie NLP-Techniken wie Tokenisierung, Stemming und Textklassifizierung mit Bag-of-Words- und Naive-Bayes-Methoden.

  • Führen Sie praktische Projekte durch und wenden Sie ML- und NLP-Konzepte auf reale Szenarien an, um praktische Erfahrungen zu sammeln.

Kompetenzen, die Sie erwerben

  • Kategorie: Künstliche neuronale Netze
  • Kategorie: Algorithmen für maschinelles Lernen
  • Kategorie: Datenverarbeitung
  • Kategorie: Datenwissenschaft
  • Kategorie: Methoden des maschinellen Lernens
  • Kategorie: Tiefes Lernen
  • Kategorie: Faltungsneuronale Netze
  • Kategorie: Prädiktive Modellierung
  • Kategorie: Künstliche Intelligenz
  • Kategorie: Vorverarbeitung von Daten
  • Kategorie: Text Mining
  • Kategorie: Verarbeitung natürlicher Sprache
  • Kategorie: Bewertung des Modells
  • Kategorie: Maschinelles Lernen
  • Kategorie: Überwachtes Lernen
  • Kategorie: Rekurrente Neuronale Netze (RNNs)
  • Kategorie: Angewandtes maschinelles Lernen
  • Kategorie: Modell Ausbildung

Werkzeuge, die Sie lernen werden

  • Kategorie: Klassifizierungsalgorithmen
  • Kategorie: Tensorflow

Wichtige Details

Zertifikat zur Vorlage

Zu Ihrem LinkedIn-Profil hinzufügen

Bewertungen

15 Aufgaben

Unterrichtet in Deutsch (KI-Synchronisation)

Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.

Weitere Informationen zu Coursera für Unternehmen
Logos von Petrobras, TATA, Danone, Capgemini, P&G und L'Oreal

Erweitern Sie Ihre Fachkenntnisse

Dieser Kurs ist Teil der Spezialisierung Spezialisierung „Lernen Sie generative KI mit LLMs“
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

Dieses Modul führt in die Grundlagen, Arten und Anwendungen des maschinellen Lernens (ML) ein. Es behandelt überwachtes, unüberwachtes, halbüberwachtes und verstärkendes Lernen sowie Schlüsselmethoden wie Klassifizierung, Regression, Entscheidungsbäume, Random Forests und Optimierung.

Das ist alles enthalten

28 Videos4 Lektüren4 Aufgaben1 Diskussionsthema

Dieses Modul bietet eine umfassende Untersuchung von tiefen neuronalen Netzen, die grundlegende Konzepte, praktische Implementierungen und fortgeschrittene Techniken abdeckt. Vom Verständnis der Grundlagen des Deep Learning und dem Vergleich mit der Funktionsweise des menschlichen Gehirns bis hin zur Vertiefung spezifischer Architekturen wie Convolutional Neural Networks (CNN) und Recurrent Neural Networks (RNN) mit Long Short-Term Memory (LSTM) vermittelt dieses Modul den Lernenden die Kenntnisse und Fähigkeiten, die sie benötigen, um Deep-Learning-Modelle für verschiedene Aufgaben zu entwerfen, zu trainieren und zu optimieren, darunter Bildklassifizierung und Sequenzvorhersage

Das ist alles enthalten

70 Videos9 Lektüren6 Aufgaben5 Diskussionsthemen

Dieses Modul führt in die Grundlagen der Textgewinnung und -analyse ein. Es behandelt verschiedene Techniken zur Extraktion, Reinigung und Vorverarbeitung von Textdaten, einschließlich Tokenisierung, Stemming, Lemmatisierung und Named Entity Recognition. Darüber hinaus werden Methoden zur Analyse der Satzstruktur, wie Syntaxbäume und Chunking, sowie Textklassifikationstechniken mit Bag-of-Words, ANZAHL-Vektorisierern und multinomialen Naive-Bayes-Klassifikatoren behandelt. Durch praktische Aufgaben und Diskussionen erhalten die Lernenden einen Einblick in die Anwendungen des Text Mining in verschiedenen Bereichen und in die wesentlichen Werkzeuge und Prozesse, die bei der Arbeit mit Textdaten zum Einsatz kommen.

Das ist alles enthalten

39 Videos4 Lektüren4 Aufgaben3 Diskussionsthemen

Dieses Modul ist die letzte Phase des Kurses und bietet den Lernenden eine umfassende Überprüfung und Bewertung der in den Modulen erworbenen Kenntnisse und Fähigkeiten. Während des gesamten Moduls nehmen die Lernenden an verschiedenen Aktivitäten teil, um ihr Lernen zu festigen und ihr Verständnis des Kursmaterials zu bewerten. Zu diesen Aktivitäten gehören die Durchführung eines Praxisprojekts, in dem die erlernten Konzepte auf reale Szenarien angewandt werden, eine benotete Aufgabe zur Bewertung der Kenntnisse und möglicherweise ein Video zum Abschluss des Kurses, in dem die wichtigsten Erkenntnisse und Erfolge zusammengefasst werden.

Das ist alles enthalten

1 Video1 Lektüre1 Aufgabe

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.

Dozent

Lehrkraftbewertungen
(6 Bewertungen)
Edureka
Edureka
185 Kurse173.947 Lernende

von

Edureka

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.“

Häufig gestellte Fragen

Weitere Fragen

Finanzielle Unterstützung verfügbar,