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
Zum Labor Day gibt es bei Coursera Plus Rabatte von über 70 $. Sparen Sie 3 Monate lang 40 %.
Praktisches maschinelles Lernen
Dieser Kurs ist Teil mehrerer Programme.
Dozenten: Jeff Leek, PhD
158.433 bereits angemeldet
Bei Mehr erfahren enthalten
Fragen Sie Coursera
3,269 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: Überwachtes Lernen
- Kategorie: Angewandtes maschinelles Lernen
- Kategorie: Regressionsanalyse
- Kategorie: Software für maschinelles Lernen
- Kategorie: Prädiktive Modellierung
- Kategorie: Modell Ausbildung
- Kategorie: Algorithmen für maschinelles Lernen
- Kategorie: Random Forest Algorithmus
- Kategorie: Maschinelles Lernen
- Kategorie: Bewertung des Modells
- Kategorie: Technische Merkmale
- Kategorie: Klassifizierungs- und Regressionsbaum (CART)
- Kategorie: Methoden des maschinellen Lernens
- Kategorie: Vorverarbeitung von Daten
- Kategorie: Prädiktive Analytik
Werkzeuge, die Sie lernen werden
- Kategorie: Klassifizierungsalgorithmen
- Kategorie: R Programmierung
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
Status: Kostenloser TestzeitraumUniversity of Glasgow
Status: VorschauThe 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
66,41 %
- 4 stars
22,26 %
- 3 stars
6,94 %
- 2 stars
2,53 %
- 1 star
1,83 %
Zeigt 3 von 3269 an
Geprüft am 8. Juli 2016
Great primer for machine learning with ample additional resources for those who are interested. I feel this course gave me a solid basis to delve deeper into the topic.
Geprüft am 16. Nov. 2016
Great course. Only missing piece is the working information / maths behind the models. But as the name suggests it teaches practical approach towards machine learning.
Geprüft am 28. Feb. 2017
Issues of every stage of the construction of learning machine model, as well as issues with several different machine learning methods are well and in fine yet very understandable detail explained.
Häufig gestellte Fragen
Weitere Fragen
Finanzielle Unterstützung verfügbar,