Dies ist der sechste von sieben Kursen des Google Advanced Data Analytics Certificate. In diesem Kurs lernen Sie das maschinelle Lernen kennen, bei dem Algorithmen und Statistiken verwendet werden, um Computersystemen beizubringen, Muster in Daten zu erkennen. Datenexperten nutzen maschinelles Lernen, um groĂe Datenmengen zu analysieren, komplexe Probleme zu lĂśsen und genaue Vorhersagen zu treffen. Sie werden sich auf die beiden Hauptarten des maschinellen Lernens konzentrieren: Ăźberwachtes und unĂźberwachtes Lernen. Sie lernen, wie man verschiedene Modelle des maschinellen Lernens auf geschäftliche Probleme anwendet und machen sich mit spezifischen Modellen wie Naive Bayes, Entscheidungsbaum, Random Forest und anderen vertraut.
Das A und O des maschinellen Lernens
Das A und O des maschinellen Lernens
Dieser Kurs ist Teil von Google Erweiterte Datenanalyse (berufsbezogenes Zertifikat)
Dozent: Google Career Certificates
TOP-LEHRKRAFT
54.798 bereits angemeldet
Bei 
enthalten
Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.
4.8
(517Â Bewertungen)
Stufe Fortgeschritten
FĂźr Personen mit Branchenerfahrung konzipiert
Flexibler Zeitplan
Ca. 34 Stunden
In Ihrem eigenen Lerntempo lernen
98%
Den meisten Lernenden hat dieser Kurs gefallen
Was Sie lernen werden
Merkmale der verschiedenen Arten des maschinellen Lernens zu erkennen
Daten fĂźr maschinelle Lernmodelle vorbereiten
Erstellung und Bewertung von Ăźberwachten und unĂźberwachten Lernmodellen mit Python
Demonstration der richtigen Modell- und Metrikauswahl fĂźr einen Algorithmus fĂźr maschinelles Lernen
Kompetenzen, die Sie erwerben
- Kategorie: UnĂźberwachtes Lernen
- Kategorie: Datenanalyse
- Kategorie: Ăberwachtes Lernen
- Kategorie: Maschinelles Lernen
- Kategorie: Erweiterte Analytik
- Kategorie: Statistisches maschinelles Lernen
- Kategorie: Leistungsoptimierung
- Kategorie: Datenethik
- Kategorie: Python-Programmierung
- Kategorie: Feature Technik
- Kategorie: Algorithmen fĂźr maschinelles Lernen
- Kategorie: Prädiktive Modellierung
Wichtige Details
Zertifikat zur Vorlage
Zu Ihrem LinkedIn-Profil hinzufĂźgen
Bewertungen
22 Aufgaben
Unterrichtet in Englisch
Erfahren Sie, wie Mitarbeiter fĂźhrender Unternehmen gefragte Kompetenzen erwerben.
Erweitern Sie Ihr Fachwissen im Bereich Maschinelles Lernen
Dieser Kurs ist Teil der Spezialisierung Google Erweiterte Datenanalyse (berufsbezogenes Zertifikat)
Wenn Sie sich fĂźr diesen Kurs anmelden, werden Sie auch fĂźr dieses berufsbezogene Zertifikat angemeldet.
- 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 von Google zur Vorlage
In diesem Kurs gibt es 5 Module
Sie werden zunächst die grundlegenden Konzepte des maschinellen Lernens und die Rolle des maschinellen Lernens in der Datenwissenschaft erkunden. Dann werden Sie die vier Hauptarten des maschinellen Lernens kennenlernen: ßberwachtes, unßberwachtes, verstärkendes und tiefes Lernen.
Das ist alles enthalten
16 Videos7 LektĂźren7 Aufgaben4 Plug-ins
Sie erfahren, wie Datenexperten einen strukturierten Workflow fßr maschinelles Lernen verwenden. Sie werden die wichtigsten Schritte des Workflows und die Bedeutung der einzelnen Schritte im Gesamtprozess kennenlernen. Dann lernen Sie, wie Sie bestimmte Modelle des maschinellen Lernens auf geschäftliche Probleme anwenden kÜnnen.
Das ist alles enthalten
12 Videos6 LektĂźren3 Aufgaben6 Unbewertete Labore
Sie werden mehr ßber eine der wichtigsten Arten des maschinellen Lernens erfahren: das unßberwachte Lernen. Zunächst werden Sie den Unterschied zwischen ßberwachten und unßberwachten Techniken sowie die Vorteile und EinsatzmÜglichkeiten jedes Ansatzes kennen lernen. Dann lernen Sie, wie Sie zwei Modelle des unbeaufsichtigten maschinellen Lernens anwenden kÜnnen: Clustering und K-means.
Das ist alles enthalten
7 Videos4 LektĂźren3 Aufgaben4 Unbewertete Labore
Als nächstes konzentrieren Sie sich auf das ßberwachte Lernen. Sie werden lernen, wie Sie die Leistung von ßberwachten maschinellen Lernmodellen wie Entscheidungsbaum, Random Forest und Gradient Boosting testen und validieren kÜnnen.
Das ist alles enthalten
16 Videos11 LektĂźren5 Aufgaben10 Unbewertete Labore2 Plug-ins
Sie werden das abschlieĂende Projekt am Ende des Kurses abschlieĂen, indem Sie verschiedene Modelle des maschinellen Lernens auf einen Datensatz fĂźr ein Arbeitsplatzszenario anwenden.
Das ist alles enthalten
5 Videos10 LektĂźren4 Aufgaben6 Unbewertete Labore
Erwerben Sie ein Karrierezertifikat.
FĂźgen Sie dieses Zeugnis Ihrem LinkedIn-Profil, Lebenslauf oder CV hinzu. Teilen Sie sie in Social Media und in Ihrer Leistungsbeurteilung.
Dozent
Lehrkraftbewertungen
4.8 (128 Bewertungen)von
Mehr von Maschinelles Lernen entdecken
Status: Kostenloser Testzeitraum
Status: Kostenloser Testzeitraum
Status: Kostenloser Testzeitraum
Status: Kostenloser TestzeitraumUniversity of Illinois Urbana-Champaign
Warum entscheiden sich Menschen fĂźr Coursera fĂźr ihre Karriere?
Felipe M.
Lernender seit 2018
âEs ist eine groĂartige Erfahrung, in meinem eigenen Tempo zu lernen. Ich kann lernen, wenn ich Zeit und Nerven dazu habe.â
Jennifer J.
Lernender seit 2020
âBei einem spannenden neuen Projekt konnte ich die neuen Kenntnisse und Kompetenzen aus den Kursen direkt bei der Arbeit anwenden.â
Larry W.
Lernender seit 2021
âWenn mir Kurse zu Themen fehlen, die meine Universität nicht anbietet, ist Coursera mit die beste Alternative.â
Chaitanya A.
âMan lernt nicht nur, um bei der Arbeit besser zu werden. Es geht noch um viel mehr. Bei Coursera kann ich ohne Grenzen lernen.â
Bewertungen von Lernenden
4.8
517 Bewertungen
- 5 stars
85,49Â %
- 4 stars
11,60Â %
- 3 stars
2,32Â %
- 2 stars
0,38Â %
- 1 star
0,19Â %
Zeigt 3 von 517 an
MH
5
GeprĂźft am 20. Dez. 2023
The Course was very effective which increased my skills, knowledge and confidence level.
CM
5
GeprĂźft am 18. Mai 2024
This course helped me take my ML skills to another level entirely, I would certainly recommend it to anyone looking for a breakthrough in data analytics.
IH
5
GeprĂźft am 15. Jan. 2024
Very useful course! Concise overview of strengths and weaknesses of various cutting edge machine learning techniques.
Neue KarrieremĂśglichkeiten 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 â 100 % online
SchlieĂen Sie sich mehr als 3.400Â Unternehmen in aller Welt an, die sich fĂźr Coursera for Business entschieden haben.
Schulen Sie Ihre Mitarbeiter*innen, um sich in der digitalen Wirtschaft zu behaupten.
Häufig gestellte Fragen
Unternehmen jeder Art und GrĂśĂe haben Geschäftsprozesse, bei denen riesige Datenmengen anfallen. Jeden Moment werden alle Arten von Informationen von Computern, dem Internet, Telefonen, Texten, Streaming-Videos, Fotos, Sensoren und vielem mehr erzeugt. In der globalen digitalen Landschaft sind die Daten zunehmend unpräzise, chaotisch und unstrukturiert. Da die Geschwindigkeit und Vielfalt der Daten exponentiell zunimmt, haben Unternehmen Schwierigkeiten, damit Schritt zu halten.
Datenwissenschaft und fortgeschrittene Data Analytics sind Teil eines Fachgebiets, das Rohdaten nutzt, um neue Wege der Modellierung und des Verständnisses des Unbekannten zu schaffen. Um Erkenntnisse zu gewinnen, sind Unternehmen auf Datenexperten angewiesen, die Daten erfassen, organisieren und interpretieren, um sie fßr interne Projekte und Prozesse zu nutzen. Datenwissenschaftler und fortgeschrittene Fachkräfte fßr Datenanalyse stßtzen sich auf eine Kombination wichtiger Fähigkeiten, darunter Statistik, wissenschaftliche Methoden, Datenanalyse und kßnstliche Intelligenz.
Ein Datenexperte ist ein Begriff, der jede Person beschreibt, die mit Daten arbeitet und/oder Ăźber Datenkenntnisse verfĂźgt. Ein Datenexperte ist zumindest in der Lage, Daten zu erkunden, zu bereinigen, auszuwählen, zu analysieren und zu visualisieren. Sie kĂśnnen auch gut mit dem Schreiben von Code umgehen und sind mit den Techniken vertraut, die von Statistikern und Ingenieuren fĂźr maschinelles Lernen verwendet werden, einschlieĂlich der Erstellung von Modellen, der Entwicklung algorithmischen Denkens und der Erstellung von Modellen fĂźr maschinelles Lernen.
Datenexperten sind fĂźr das Sammeln, Analysieren und Interpretieren groĂer Datenmengen in einer Vielzahl unterschiedlicher Organisationen verantwortlich. Die Rolle eines Datenexperten wird von Unternehmen zu Unternehmen unterschiedlich definiert. Im Allgemeinen verfĂźgen Datenexperten Ăźber technische und strategische Fähigkeiten, die fortgeschrittene analytische Fähigkeiten wie Datenmanipulation, Versuchsplanung, prädiktive Modellierung und maschinelles Lernen erfordern. Sie fĂźhren eine Vielzahl von Aufgaben im Zusammenhang mit dem Sammeln, Strukturieren, Interpretieren, Ăberwachen und Berichten von Daten in zugänglichen Formaten aus, damit die Beteiligten die Daten verstehen und effektiv nutzen kĂśnnen. Letztlich hilft die Arbeit von Datenexperten Organisationen, fundierte, ethische Entscheidungen zu treffen.
GroĂe Datenmengen - und die zur Verwaltung und Analyse dieser Daten erforderliche Technologie - werden immer leichter zugänglich. Aus diesem Grund gibt es immer mehr KarrieremĂśglichkeiten fĂźr Menschen, die mithilfe von Daten Geschichten erzählen kĂśnnen, wie z. B. leitende Fachkräfte fĂźr Datenanalyse und Data Scientists. Diese Fachleute sammeln, analysieren und interpretieren groĂe Datenmengen in einer Vielzahl unterschiedlicher Organisationen. Ihre Aufgaben erfordern fortgeschrittene analytische Fähigkeiten wie Datenmanipulation, Versuchsplanung, Prognosemodellierung und maschinelles Lernen.
Weitere Fragen
Finanzielle UnterstĂźtzung verfĂźgbar,