Hintergrundgrafik
Filter setzen closed icon
HarvardX: Data Science: Machine Learning
Einige der bekanntesten Methoden der Datenwissenschaft stammen aus dem Bereich des maschinellen Lernens. Was maschinelles Lernen von anderen computergestützten Entscheidungsprozessen unterscheidet, ist die Verwendung von Daten zum Erstellen von Vorhersage-Algorithmen. Zu den bekanntesten Anwendungen gehören Handschriftenerkennung, Sprachsteuerung, Filmempfehlungssysteme und Spam-Filter.
Nach dem Ausfüllen des untenstehenden Formulars erhalten Sie einen Link, über den Sie zur Lernstrecke kommen.

Data Science: Machine Learning

Allgemeines über MOOCs

Ein MOOC (Massive Open Online Course) ist ein kostenloser Online-Kurs, der für eine unbegrenzte Anzahl von Teilnehmern zugänglich ist. MOOCs bieten eine flexible Möglichkeit, sich in verschiedenen Themenbereichen weiterzubilden, da sie oft auf großen Plattformen wie Coursera, edX oder Udemy angeboten werden. Diese Kurse bestehen aus Videos, Lesematerialien, Quizfragen und oft auch Diskussionsforen, in denen die Teilnehmer miteinander interagieren können. MOOCs richten sich sowohl an Laien als auch an Fachleute, die ihr Wissen erweitern möchten.

Mooc: HarvardX: Data Science: Machine Learning

Beschreibung

Einige der bekanntesten Methoden der Datenwissenschaft stammen aus dem Bereich des maschinellen Lernens. Was maschinelles Lernen von anderen computergestützten Entscheidungsprozessen unterscheidet, ist die Verwendung von Daten zum Erstellen von Vorhersage-Algorithmen. Zu den bekanntesten Anwendungen gehören Handschriftenerkennung, Sprachsteuerung, Filmempfehlungssysteme und Spam-Filter.

In diesem Kurs, der Teil unseres Professional Certificate Programms in Data Science ist, lernen Sie beliebte Algorithmen des maschinellen Lernens, Hauptkomponentenanalyse und Regularisierung, indem Sie ein Filmempfehlungssystem entwickeln.

Sie erfahren, wie man Trainingsdaten nutzt, um potenziell vorhersagbare Beziehungen zu entdecken. Beim Aufbau des Empfehlungssystems lernen Sie, wie Algorithmen mit Trainingsdaten trainiert werden, um Vorhersagen für zukünftige Datensätze zu treffen. Außerdem werden Sie über das Thema Overfitting und Techniken wie Cross-Validation lernen, um dies zu vermeiden. Diese Fähigkeiten sind grundlegend für das maschinelle Lernen.

Lernziele:

  • Die Grundlagen des maschinellen Lernens
  • Wie man Kreuzvalidierung durchführt, um Überanpassung (Overfitting) zu vermeiden
  • Mehrere beliebte Algorithmen des maschinellen Lernens
  • Wie man ein Empfehlungssystem aufbaut
  • Was ist Regularisierung und warum ist sie nützlich?
Dauer: 8 Wochen (ca. 2-4h/Woche)
Teilnahme Kostenfrei – optional: Zertifikat: EUR. 142,-

Letzte Änderung: 19.12.2024