Eine der häufigsten Aufgaben von Datenwissenschaftlern und Datenanalysten sind Vorhersagen und maschinelles Lernen. In diesem Kurs werden die grundlegenden Komponenten der Erstellung und Anwendung von Vorhersagefunktionen behandelt, wobei der Schwerpunkt auf praktischen Anwendungen liegt. Der Kurs vermittelt grundlegende Kenntnisse über Konzepte wie Trainings- und Testsätze, Overfitting und Fehlerquoten. Der Kurs führt auch in eine Reihe von modellbasierten und algorithmischen Methoden des maschinellen Lernens ein, darunter Regression, Klassifikationsbäume, Naive Bayes und Zufallswälder. Der Kurs deckt den gesamten Prozess der Erstellung von Vorhersagefunktionen ab, einschließlich Datenerfassung, Erstellung von Merkmalen, Algorithmen und Auswertung.
Praktisches maschinelles Lernen
Praktisches maschinelles Lernen
Dieser Kurs ist Teil mehrerer Programme.
Dozenten: Jeff Leek, PhD
157.986 bereits angemeldet
Bei enthalten
3,267 Bewertungen
Was Sie lernen werden
Verwenden Sie die grundlegenden Komponenten der Erstellung und Anwendung von Vorhersagefunktionen
Verstehen Sie Konzepte wie Trainings- und Testsätze, Overfitting und Fehlerquoten
Beschreiben Sie Methoden des maschinellen Lernens wie Regression oder Klassifikationsbäume
Erklären Sie den gesamten Prozess der Erstellung von Vorhersagefunktionen
Kompetenzen, die Sie erwerben
- Kategorie: Vorverarbeitung von Daten
- Kategorie: Software für maschinelles Lernen
- Kategorie: Maschinelles Lernen
- Kategorie: Angewandtes maschinelles Lernen
- Kategorie: Überwachtes Lernen
- Kategorie: Klassifizierungs- und Regressionsbaum (CART)
- Kategorie: Bewertung des Modells
- Kategorie: Methoden des maschinellen Lernens
- Kategorie: Prädiktive Analytik
- Kategorie: Modell Ausbildung
- Kategorie: Regressionsanalyse
- Kategorie: Prädiktive Modellierung
- Kategorie: Algorithmen für maschinelles Lernen
- Kategorie: Random Forest Algorithmus
- Kategorie: Technische Merkmale
Werkzeuge, die Sie lernen werden
- Kategorie: R Programmierung
- Kategorie: Klassifizierungsalgorithmen
Wichtige Details
Zu Ihrem LinkedIn-Profil hinzufügen
5 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 4 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
University of Glasgow
The University of Chicago
Warum entscheiden sich Menschen für Coursera für ihre Karriere?
Felipe M.
Jennifer J.
Larry W.
Chaitanya A.
Bewertungen von Lernenden
- 5 stars
66,42 %
- 4 stars
22,28 %
- 3 stars
6,94 %
- 2 stars
2,54 %
- 1 star
1,80 %
Zeigt 3 von 3267 an
Geprüft am 18. Feb. 2016
Some of the terms used here vary from the terms used in the industry. For example recall, precision etc. Overall this is a very good course with provides basics of machine learning.
Geprüft am 15. Jan. 2017
It was like opening up a door to a whole new world. I have discovered new tools that I will thoroughly enjoy to use for the exploration of data and for predictions. Thanks Team Coursera !
Geprüft am 16. Jan. 2017
excellent course. Be prepared to learn a lot if you work hard and don't give up if you think it is hard, just continue thinking, and interact with other students and tutors + Google and Stackoverflow!
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,