IBM
Spezialisierung IBM Einführung in maschinelles Lernen
20.805 angemeldet
IBM

Spezialisierung IBM Einführung in maschinelles Lernen

Lernen Sie maschinelles Lernen anhand realer Anwendungsfälle. Erwerben Sie die Fähigkeiten für eine Karriere in einem der wichtigsten Bereiche der modernen KI durch praktische Projekte und Lehrpläne von IBMs Experten.

Bei Coursera Plus enthalten

Befassen Sie sich eingehend mit einem Thema

(475 Bewertungen)

Stufe Mittel
Einige einschlägige Kenntnisse erforderlich
Flexibler Zeitplan
2 Monate bei 10 Stunden pro Woche
Verdienen Sie sich einen beruflichen Leistungsnachweis
Teilen Sie Ihr Fachwissen mit Arbeitgebern
Befassen Sie sich eingehend mit einem Thema

(475 Bewertungen)

Stufe Mittel
Einige einschlägige Kenntnisse erforderlich
Flexibler Zeitplan
2 Monate bei 10 Stunden pro Woche
Verdienen Sie sich einen beruflichen Leistungsnachweis
Teilen Sie Ihr Fachwissen mit Arbeitgebern

Überblick

  • Verstehen Sie die möglichen Anwendungen des maschinellen Lernens

  • Erwerben Sie technische Kenntnisse wie SQL, Modellierung von maschinellem Lernen, überwachtes und unüberwachtes Lernen, Regression und Klassifizierung.

  • Identifizieren Sie Möglichkeiten, maschinelles Lernen in Ihrem Unternehmen oder Ihrer Karriere zu nutzen

  • Kommunizieren Sie die Ergebnisse Ihrer maschinellen Lernprojekte an Experten und Nicht-Experten

Kompetenzen, die Sie erwerben

  • Kategorie: Feature Engineering
  • Kategorie: Exploratory Data Analysis
  • Kategorie: Data Analysis
  • Kategorie: Artificial Intelligence
  • Kategorie: Regression Analysis
  • Kategorie: Classification And Regression Tree (CART)
  • Kategorie: Supervised Learning
  • Kategorie: Data Cleansing
  • Kategorie: Machine Learning
  • Kategorie: Statistical Machine Learning
  • Kategorie: Unsupervised Learning
  • Kategorie: Data Transformation
  • Kategorie: Applied Machine Learning
  • Kategorie: Machine Learning Algorithms
  • Kategorie: Predictive Modeling
  • Kategorie: Statistical Analysis
  • Kategorie: Statistical Modeling
  • Kategorie: Dimensionality Reduction
  • Kategorie: Data Science

Werkzeuge, die Sie lernen werden

  • Kategorie: Scikit Learn (Machine Learning Library)

Was ist inbegriffen?

Zertifikat zur Vorlage

Zu Ihrem LinkedIn-Profil hinzufügen

Unterrichtet in Englisch
61 Praxisübungen

Erweitern Sie Ihre Fachkenntnisse.

  • Erlernen Sie gefragte Kompetenzen von Universitäten und Branchenexperten.
  • Erlernen Sie ein Thema oder ein Tool mit echten Projekten.
  • Entwickeln Sie ein fundiertes Verständnisse der Kernkonzepte.
  • Erwerben Sie ein Karrierezertifikat von IBM.

Spezialisierung - 4 Kursreihen

Was Sie lernen werden

Kompetenzen, die Sie erwerben

Kategorie: Datenumwandlung
Kategorie: Maschinelles Lernen
Kategorie: Daten bereinigen
Kategorie: Explorative Datenanalyse
Kategorie: Statistische Inferenz
Kategorie: Feature Technik
Kategorie: Statistische Analyse
Kategorie: Datenqualität
Kategorie: Datenverarbeitung
Kategorie: Datenanalyse
Kategorie: Statistische Hypothesentests
Kategorie: Künstliche Intelligenz

Was Sie lernen werden

Kompetenzen, die Sie erwerben

Kategorie: Regressionsanalyse
Kategorie: Überwachtes Lernen
Kategorie: Scikit Learn (Bibliothek für Maschinelles Lernen)
Kategorie: Maschinelles Lernen
Kategorie: Angewandtes maschinelles Lernen
Kategorie: Algorithmen für maschinelles Lernen
Kategorie: Prädiktive Modellierung
Kategorie: Pandas (Python-Paket)
Kategorie: Statistische Modellierung
Kategorie: Feature Technik
Kategorie: Datenmanipulation
Kategorie: Datenverarbeitung

Was Sie lernen werden

Kompetenzen, die Sie erwerben

Kategorie: Maschinelles Lernen
Kategorie: Überwachtes Lernen
Kategorie: Algorithmen für maschinelles Lernen
Kategorie: Random Forest Algorithmus
Kategorie: Stichproben (Statistik)
Kategorie: Prädiktive Modellierung
Kategorie: Statistisches maschinelles Lernen
Kategorie: Statistische Modellierung
Kategorie: Scikit Learn (Bibliothek für Maschinelles Lernen)
Kategorie: Klassifizierungs- und Regressionsbaum (CART)
Kategorie: Feature Technik
Kategorie: Angewandtes maschinelles Lernen
Kategorie: Datengesteuerte Entscheidungsfindung

Was Sie lernen werden

Kompetenzen, die Sie erwerben

Kategorie: Unüberwachtes Lernen
Kategorie: Dimensionalitätsreduktion
Kategorie: Algorithmen für maschinelles Lernen
Kategorie: Datenanalyse
Kategorie: Lineare Algebra
Kategorie: Algorithmen
Kategorie: Scikit Learn (Bibliothek für Maschinelles Lernen)
Kategorie: Verarbeitung natürlicher Sprache
Kategorie: Text Mining
Kategorie: Unstrukturierte Daten
Kategorie: Maschinelles Lernen
Kategorie: Datenverarbeitung
Kategorie: Data-Mining

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

Xintong Li
IBM
2 Kurse56.202 Lernende
Joseph Santarcangelo
IBM
35 Kurse2.069.496 Lernende
Mark J Grover
IBM
13 Kurse142.762 Lernende

von

IBM

Warum entscheiden sich Menschen für Coursera für ihre Karriere?

Felipe M.
Lernender seit 2018
„Es ist eine großartige Erfahrung, in meinem eigenen Tempo zu lernen. Ich kann lernen, wenn ich Zeit und Nerven dazu habe.“
Jennifer J.
Lernender seit 2020
„Bei einem spannenden neuen Projekt konnte ich die neuen Kenntnisse und Kompetenzen aus den Kursen direkt bei der Arbeit anwenden.“
Larry W.
Lernender seit 2021
„Wenn mir Kurse zu Themen fehlen, die meine Universität nicht anbietet, ist Coursera mit die beste Alternative.“
Chaitanya A.
„Man lernt nicht nur, um bei der Arbeit besser zu werden. Es geht noch um viel mehr. Bei Coursera kann ich ohne Grenzen lernen.“
Coursera Plus

Neue Karrieremöglichkeiten 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 – 100 % online

Schließen Sie sich mehr als 3.400 Unternehmen in aller Welt an, die sich für Coursera for Business entschieden haben.

Schulen Sie Ihre Mitarbeiter*innen, um sich in der digitalen Wirtschaft zu behaupten.

Häufig gestellte Fragen