Statistische Versuchsplanung und Analyse sind das Herzstück der Datenwissenschaft. In diesem Kurs werden Sie statistische Experimente entwerfen und die Ergebnisse mit modernen Methoden analysieren. Sie werden auch die üblichen Fallstricke bei der Interpretation statistischer Argumente erkunden, insbesondere im Zusammenhang mit Big Data. Insgesamt wird Ihnen dieser Kurs dabei helfen, einen Kernbestand an praktischen und effektiven Methoden und Konzepten des maschinellen Lernens zu verinnerlichen und sie zur Lösung einiger realer Probleme anzuwenden. Lernziele: Nach Abschluss dieses Kurses werden Sie in der Lage sein: 1. Effektive Experimente zu entwerfen und die Ergebnisse zu analysieren 2. Resampling-Methoden anwenden, um klare und stichhaltige statistische Argumente zu liefern, ohne sich auf esoterische Notationen zu berufen 3. Einen Kernsatz von Klassifizierungsmethoden mit zunehmender Komplexität (Regeln, Bäume, Zufallswälder) und die damit verbundenen Optimierungsmethoden (Gradientenabstieg und Varianten) erklären und anwenden 4. Erklären und Anwenden einer Reihe von Konzepten und Methoden des unüberwachten Lernens 5. Beschreiben Sie die gebräuchlichen Redewendungen der groß angelegten Graphenanalyse, einschließlich Strukturabfragen, Traversalen und rekursiven Abfragen, PageRank und Community-Erkennung

Praktische prädiktive Analytik: Modelle und Methoden
Eignen Sie sich gefragte Fähigkeiten mit einem ganzjährigen Coursera Plus-Abonnement an -- jetzt für 239 $. Sparen Sie jetzt.

Praktische prädiktive Analytik: Modelle und Methoden
Dieser Kurs ist Teil von Spezialisierung „Datenwissenschaft in großem Maßstab“

Dozent: Bill Howe
40.798 bereits angemeldet
Bei Mehr erfahren enthalten
317 Bewertungen
Kompetenzen, die Sie erwerben
- Kategorie: Unüberwachtes Lernen
- Kategorie: Große Daten
- Kategorie: Entscheidungsbaum-Lernen
- Kategorie: Statistische Inferenz
- Kategorie: Datenanalyse
- Kategorie: Überwachtes Lernen
- Kategorie: Datenwissenschaft
- Kategorie: Prädiktive Analytik
- Kategorie: Netzwerkanalyse
- Kategorie: Statistik
- Kategorie: Algorithmen für maschinelles Lernen
- Kategorie: Modell-Optimierung
- Kategorie: Statistische Analyse
- Kategorie: Analytik
- Kategorie: Angewandtes maschinelles Lernen
- Kategorie: Klassifizierungsalgorithmen
- Kategorie: Methoden des maschinellen Lernens
- Kategorie: Maschinelles Lernen
- Kategorie: Statistische Methoden
Werkzeuge, die Sie lernen werden
- Kategorie: R Programmierung
Wichtige Details

Zu Ihrem LinkedIn-Profil hinzufügen
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.
Dozent

Mehr von Datenanalyse entdecken

University of Washington

University of Washington

University of Washington
Warum entscheiden sich Menschen für Coursera für ihre Karriere?

Felipe M.

Jennifer J.

Larry W.

Chaitanya A.
Bewertungen von Lernenden
- 5 Sterne
48,92 %
- 4 Sterne
30,76 %
- 3 Sterne
9,53 %
- 2 Sterne
5,23 %
- 1 Stern
5,53 %
Zeigt 3 von 317 an
Geprüft am 18. Jan. 2016
Its Hard! but AWESOME, some much info packed in a few lectures!
Geprüft am 22. Dez. 2015
More dynamic visualisation please, and it will be 5*.
Geprüft am 16. Juli 2021
This course helpemd me understand more about machine learning and a set of tools to help with the same.
Was führt Sie heute zu Coursera?
Häufig gestellte Fragen
Weitere Fragen
Finanzielle Unterstützung verfügbar,
¹ Einige Aufgaben in diesem Kurs werden mit AI bewertet. Für diese Aufgaben werden Ihre Daten in Übereinstimmung mit Datenschutzhinweis von Courseraverwendet.




