AulaPro verwendet Cookies, um seinen Benutzern ein besseres Erlebnis zu bieten. Sie können weitere Informationen erhalten hier, oder klicken Sie einfach auf "Ich akzeptiere" oder außerhalb dieses Hinweises, um weiter zu surfen.
Virtueller Kurs von:Udemy |
Sind Sie daran interessiert, die Welt des maschinellen Lernens umfassend kennenzulernen? Dann ist dieser Kurs speziell für Sie!
Dieser Kurs wurde von professionellen Datenwissenschaftlern entwickelt, um unser Wissen zu teilen und Ihnen dabei zu helfen, die komplexe Theorie, Algorithmen und Programmierbibliotheken auf einfache und einfache Weise zu erlernen.
Darin führen wir Sie Schritt für Schritt in die Welt des maschinellen Lernens. Mit jeder Klasse entwickeln Sie neue Fähigkeiten und verbessern Ihr Wissen in diesem komplizierten und lukrativen Unterzweig der Datenwissenschaft.
Dieser Kurs macht Spaß und macht Spaß, ist aber gleichzeitig eine Herausforderung, da wir viel maschinelles Lernen lernen müssen. Wir haben es wie folgt aufgebaut:
Teil 1 - Datenvorverarbeitung
Teil 2 – Regression: Einfache lineare Regression, multiple lineare Regression, polynomiale Regression, SVR, Entscheidungsbaum-Regression und Random-Forest-Regression
Teil 3 – Klassifizierung: Logistische Regression, K-NN, SVM, Kernel-SVM, Naive Bayes, Entscheidungsbaum-Klassifizierung und Random-Forest-Klassifizierung
Teil 4 – Clustering: K-Means, hierarchisches Clustering
Teil 5 - Lernen durch Assoziationsregeln: Apriori, Eclat
Teil 6 – Reinforcement Learning: Obere Konfidenzgrenze, Thompson Sampling
Teil 7 – Verarbeitung natürlicher Sprache: Bag-of-Words-Modell und NLP-Algorithmen
Teil 8 – Deep Learning: Künstliche neuronale Netze und Convolutional Neural Networks
Teil 9 - Dimensionsreduktion: ACP, LDA, Kernel ACP
Teil 10 – Modellauswahl & Boosting: k-fache Kreuzvalidierung, Parameter-Tuning, Grid-Suche, XGBoost
Darüber hinaus ist der Kurs vollgepackt mit praktischen Übungen, die auf realen Beispielen basieren, sodass Sie nicht nur Theorie lernen, sondern auch Ihre eigenen Modelle mit geführten Beispielen in die Praxis umsetzen.
Und als Bonus enthält dieser Kurs den gesamten Code in Python und R, den Sie herunterladen und in Ihren eigenen Projekten verwenden können.
Für wen ist dieser Kurs?
Jeder Student, der sich für maschinelles Lernen interessiert.
Schülerinnen und Schüler mit Abitur in Mathematik, die in Machine Learning einsteigen möchten.
Studenten der Mittelstufe mit Grundkenntnissen des maschinellen Lernens, einschließlich klassischer linearer oder logistischer Regressionsalgorithmen, die aber mehr lernen und die verschiedenen Bereiche des maschinellen Lernens erkunden möchten.
Studierende, die sich beim Programmieren nicht wohlfühlen, sich aber für Machine Learning interessieren und die Techniken auf die Analyse von Datensätzen anwenden möchten.
Universitätsstudenten, die in die Welt der Data Science einsteigen möchten.
Jeder Datenanalyst, der seine maschinellen Lernfähigkeiten verbessern möchte.
Menschen, die mit ihrer Arbeit nicht zufrieden sind und Data Scientist werden wollen.
Alle, die mit der Kraft des maschinellen Lernens einen Mehrwert für ihr Unternehmen schaffen möchten.
Willkommen beim Machine Learning-Kurs
-------------------- Teil 1: Datenvorverarbeitung --------------------
-------------------- Teil 2: Regression --------------------
Einfache lineare Regression
Mehrfache lineare Regression
Polynomiale Regression
Udemy verfügt über die weltweit größte Sammlung von Online-Kursen
Zugriff auf den Inhalt des Kurses nach Abschluss, damit Sie seine zukünftigen Updates genießen können
Experten auf ihrem Gebiet aus der ganzen Welt teilen ihr Fachwissen auf Udemy
Weltweit wurden 480 Millionen Mal für Udemy-Kurse angemeldet
Universitätsprofessor, UCI, Data Scientist & Game Designer
Experte für Themen rund um die Informatik
meine person_add 186405 Studierende
mein Computer 68 Kurs(e)
Hallo, wie kann ich Ihnen helfen? Interessieren Sie sich für einen Kurs? Zu welchem Thema?
AulaPro verwendet Cookies, um seinen Benutzern ein besseres Erlebnis zu bieten. Sie können weitere Informationen erhalten hier, oder klicken Sie einfach auf "Ich akzeptiere" oder außerhalb dieses Hinweises, um weiter zu surfen.
Eine Bewertung hinzufügen