Aktualisiert im Mai 2025. Dieser Kurs enthält jetzt den 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 eine solide Grundlage in Maschinellem Lernen (ML) und Python-Programmierung erwerben, die für jeden angehenden Datenwissenschaftler unerlässlich sind. Am Ende des Kurses werden Sie die Grundlagen des maschinellen Lernens, statistische Techniken und die Verwendung von Python für die Datenanalyse und die Erstellung von Modellen in der Praxis kennen. Sie werden in der Lage sein, diese Konzepte auf eine Reihe von Branchen und datengesteuerten Problemen anzuwenden. Der Kurs beginnt mit einer Einführung in die Kernkonzepte von ML. Sie werden die Schlüsselterminologie, verschiedene Arten von ML-Algorithmen und reale Anwendungsfälle kennenlernen. Dieser Abschnitt bereitet die Bühne für fortgeschrittenere Themen, indem er Ihr Verständnis dafür schärft, wie ML in verschiedenen Branchen angewendet werden kann. Sie lernen auch, wie Sie Probleme mit ML angehen und lösen können, und legen damit den Grundstein für Ihre weitere Lernreise. Nach der Einführung befasst sich der Kurs mit grundlegenden statistischen Techniken, einschließlich Wahrscheinlichkeit, Hypothesentests und dem Verständnis von Datenverteilungen. Diese Konzepte sind entscheidend für den Entwurf und die genaue Interpretation von ML-Modellen. Sie lernen auch, wie Sie die Leistung von Modellen mithilfe dieser Techniken bewerten können, um robuste und effektive ML-Systeme zu erstellen. Der Kurs bietet auch eine umfassende Anleitung zur Python-Programmierung. Sie werden wichtige Bibliotheken wie NumPy und Pandas beherrschen, die für die Datenmanipulation und -analyse bei Aufgaben des Maschinellen Lernens von zentraler Bedeutung sind. Darüber hinaus werden Sie mit Jupyter Notebooks arbeiten, um das Codieren zu üben, Daten zu untersuchen und Algorithmen des Maschinellen Lernens effizient zu implementieren. Dieser Kurs ist ideal für Anfänger oder Fachleute, die in die Datenwissenschaft einsteigen wollen; es sind keine Vorkenntnisse erforderlich, grundlegende Programmierkenntnisse sind jedoch hilfreich.