Aktualisiert im Mai 2025. Dieser Kurs bietet jetzt Coursera Coach! Eine intelligentere Art zu lernen mit interaktiven Echtzeitgesprächen, die Ihnen helfen, Ihr Wissen zu testen, Annahmen zu hinterfragen und Ihr Verständnis zu vertiefen, während Sie im Kurs vorankommen. In diesem Kurs werden Sie fortgeschrittene Algorithmen des Maschinellen Lernens und Techniken des Unüberwachten Lernens erforschen, um Ihre Fähigkeiten zur Modellbildung zu verbessern. Sie lernen, wie Sie die Leistung von Modellen mit Ensemble-Methoden wie Random Forest verbessern, Support Vector Machines (SVM) für komplexe Klassifizierungsaufgaben einsetzen und die Dimensionalität mit Techniken wie der Hauptkomponentenanalyse (PCA) reduzieren können. Am Ende des Kurses werden Sie auch ein Verständnis für Unüberwachtes Lernen durch K-Means Clustering und eine Einführung in Deep Learning haben. Der Kurs beginnt mit einer Einführung in Ensemble Learning mit Random Forests, wo Sie verstehen werden, wie diese Methode die Genauigkeit von Vorhersagemodellen verbessert und Überanpassung reduziert. Sie werden dann in die Support Vector Machines (SVM) eintauchen und lernen, diese leistungsstarke Technik zur Lösung komplexer Klassifizierungsprobleme anzuwenden, einschließlich der Optimierung von SVM-Modellen für eine bessere Leistung. Als Nächstes werden Sie die Hauptkomponentenanalyse (PCA) erforschen, um die Dimensionalität zu reduzieren und die Leistung des Modells zu optimieren, wodurch Sie effektiver mit hochdimensionalen Datensätzen arbeiten können. Außerdem lernen Sie das K-Means Clustering für Unüberwachtes Lernen kennen und erfahren, wie Sie Muster und Anomalien in unbeschrifteten Daten erkennen können. Der Kurs schließt mit einer Einführung in Deep Learning, wobei Sie erfahren, wie dieses schnell wachsende Feld auf traditionellen Konzepten des Maschinellen Lernens aufbaut. Sie werden verstehen, wie Deep Learning auf einen Bereich komplexer Aufgaben wie Bild- und Spracherkennung angewendet werden kann. Dieser Kurs ist ideal für Lernende mit Vorkenntnissen in Maschinellem Lernen und Python, die bereit sind, sich mit fortgeschritteneren Themen auseinanderzusetzen. Vertrautheit mit Statistik und linearer Algebra ist hilfreich.