Im ersten Kurs der Machine Learning Specialization werden Sie: - Machine-Learning-Modelle in Python mit den populären Machine-Learning-Bibliotheken NumPy und scikit-learn erstellen - überwachte Machine-Learning-Modelle für Vorhersagen und binäre Klassifizierungsaufgaben erstellen und trainieren, einschließlich linearer Regression und logistischer Regression Die Machine Learning Specialization ist ein grundlegendes Online-Programm, das in Zusammenarbeit von DeepLearning.AI und Stanford Online entwickelt wurde. In diesem einsteigerfreundlichen Programm lernen Sie die Grundlagen des maschinellen Lernens kennen und erfahren, wie Sie diese Techniken zur Entwicklung realer KI-Anwendungen einsetzen können.

Überwachtes maschinelles Lernen: Regression und Klassifizierung
Erweitern Sie Ihre Kenntnisse mit Coursera Plus für 239 $/Jahr (normalerweise 399 $). Jetzt sparen.


Überwachtes maschinelles Lernen: Regression und Klassifizierung
Dieser Kurs ist Teil von Spezialisierung „Maschinelles Lernen“
Unterrichtet in Deutsch (KI-Synchronisation)



Dozenten: Andrew Ng
TOP-LEHRKRAFT
1.161.454 bereits angemeldet
32,173 Bewertungen
Empfohlene Erfahrung
Was Sie lernen werden
Erstellen Sie Modelle für maschinelles Lernen in Python mit den beliebten Bibliotheken für maschinelles Lernen NumPy & scikit-learn
Erstellen und trainieren Sie überwachte maschinelle Lernmodelle für Vorhersagen und binäre Klassifizierungsaufgaben, einschließlich linearer Regression und logistischer Regression
Kompetenzen, die Sie erwerben
- Kategorie: Artificial Intelligence
- Kategorie: Feature Engineering
- Kategorie: Regression Analysis
- Kategorie: Predictive Modeling
- Kategorie: Machine Learning
- Kategorie: Logistic Regression
- Kategorie: Model Evaluation
- Kategorie: Supervised Learning
- Kategorie: Unsupervised Learning
- Kategorie: Data Preprocessing
Werkzeuge, die Sie lernen werden
- Kategorie: NumPy
- Kategorie: Classification Algorithms
- Kategorie: Jupyter
- Kategorie: Python Programming
- Kategorie: Scikit Learn (Machine Learning Library)
Wichtige Details

Zu Ihrem LinkedIn-Profil hinzufügen
9 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 3 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

DeepLearning.AI

DeepLearning.AI
Warum entscheiden sich Menschen für Coursera für ihre Karriere?

Felipe M.

Jennifer J.

Larry W.

Chaitanya A.
Bewertungen von Lernenden
- 5 stars
91,61 %
- 4 stars
7,22 %
- 3 stars
0,67 %
- 2 stars
0,17 %
- 1 star
0,31 %
Zeigt 3 von 32173 an
Geprüft am 3. Sep. 2022
A perfect course for beginners who are seeking to learn machine learning. I want to thank Mr. Andrew Ng and his team for this wonderful course. Thank you so much for providing this quality course.
Geprüft am 29. Apr. 2023
Optional Lab lot more time than mentioned without prior experience of python and libraries used. Its estimated time should be change, it's a lot more than 1 hour. Video and exercises are very good.
Geprüft am 24. Mai 2023
The course was extremely beginner friendly and easy to follow, loved the curriculum, learned a lot about various ML algorithms like linear, and logistic regression, and was a great overall experience.

Neue Karrieremöglichkeiten mit Coursera Plus
Unbegrenzter Zugang zu 10,000+ Weltklasse-Kursen, praktischen Projekten und berufsqualifizierenden Zertifikatsprogrammen - alles in Ihrem Abonnement enthalten
Bringen Sie Ihre Karriere mit einem Online-Abschluss voran.
Erwerben Sie einen Abschluss von erstklassigen Universitäten – 100 % online
Schließen Sie sich mehr als 3.400 Unternehmen in aller Welt an, die sich für Coursera for Business entschieden haben.
Schulen Sie Ihre Mitarbeiter*innen, um sich in der digitalen Wirtschaft zu behaupten.
Häufig gestellte Fragen
Weitere Fragen
Finanzielle Unterstützung verfügbar,




