Packt

Explorative Datenanalyse und ML-Kernalgorithmen

Holen Sie sich eines unserer besten Angebote und erweitern Sie Ihre Fähigkeiten mit 50% Rabatt auf Coursera Plus. Jetzt sparen.

Packt

Explorative Datenanalyse und ML-Kernalgorithmen

Bei Coursera Plus enthalten

Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.
Stufe Mittel

Empfohlene Erfahrung

1 Woche zu vervollständigen
unter 10 Stunden pro Woche
Flexibler Zeitplan
In Ihrem eigenen Lerntempo lernen
Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.
Stufe Mittel

Empfohlene Erfahrung

1 Woche zu vervollständigen
unter 10 Stunden pro Woche
Flexibler Zeitplan
In Ihrem eigenen Lerntempo lernen

Was Sie lernen werden

  • Wenden Sie Techniken der explorativen Datenanalyse an, um Daten für das maschinelle Lernen aufzubereiten und zu visualisieren.

  • Implementieren Sie die lineare Regression für prädiktive Modellierungs- und Prognoseaufgaben.

  • Beherrschen Sie die logistische Regression und optimieren Sie Klassifikationsmodelle mithilfe des AUC-ROC-Werts.

  • Erstellen Sie Entscheidungsbäume und Naive-Bayes-Klassifikatoren und optimieren Sie die Modelle, um eine bessere Leistung zu erzielen.

Kompetenzen, die Sie erwerben

  • Kategorie: Technische Merkmale
  • Kategorie: Algorithmen für maschinelles Lernen
  • Kategorie: Angewandtes maschinelles Lernen
  • Kategorie: Modell-Optimierung
  • Kategorie: Entscheidungsbaum-Lernen
  • Kategorie: Vorverarbeitung von Daten
  • Kategorie: Überwachtes Lernen
  • Kategorie: Modell Ausbildung
  • Kategorie: Statistisches maschinelles Lernen
  • Kategorie: Bewertung des Modells
  • Kategorie: Datenanalyse
  • Kategorie: Datenwrangling
  • Kategorie: Regressionsanalyse
  • Kategorie: Prädiktive Modellierung
  • Kategorie: Explorative Datenanalyse

Werkzeuge, die Sie lernen werden

  • Kategorie: Klassifizierungsalgorithmen

Wichtige Details

Zertifikat zur Vorlage

Zu Ihrem LinkedIn-Profil hinzufügen

Bewertungen

7 Aufgaben

Unterrichtet in Englisch

Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.

 Logos von Petrobras, TATA, Danone, Capgemini, P&G und L'Oreal

Erweitern Sie Ihre Fachkenntnisse

Dieser Kurs ist Teil der Spezialisierung Spezialisierung „Beherrschung von Algorithmen für maschinelles Lernen mit Python“
Wenn Sie sich für diesen Kurs anmelden, werden Sie auch für diese Spezialisierung 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 zur Vorlage

In diesem Kurs gibt es 5 Module

In diesem Modul werden wir uns mit der Bedeutung der explorativen Datenanalyse (EDA) im Data-Science-Prozess befassen. Sie lernen verschiedene Werkzeuge und Verfahren kennen, mit denen Sie Muster aufdecken, Anomalien erkennen und die wichtigsten Merkmale Ihrer Daten zusammenfassen können. Das Modul umfasst mehrere praktische Projekte, in denen Sie EDA-Techniken auf reale Datensätze anwenden können.

Das ist alles enthalten

9 Videos2 Lektüren1 Aufgabe

In diesem Modul beschäftigen wir uns eingehend mit der linearen Regression, einer zentralen Technik des maschinellen Lernens. Sie erwerben ein umfassendes Verständnis der zugrunde liegenden Konzepte, darunter Kostenfunktionen und Gradientenabstieg. Im Rahmen praktischer Projekte erstellen und optimieren Sie Modelle anhand realer Daten, wobei der Schwerpunkt sowohl auf den theoretischen Grundlagen als auch auf den praktischen Anwendungen liegt.

Das ist alles enthalten

13 Videos1 Aufgabe

In diesem Modul führen wir Sie in die logistische Regression ein, einen unverzichtbaren Algorithmus für binäre Klassifikationsprobleme. Sie lernen, wie man Daten aufbereitet, Modelle erstellt und deren Leistung bewertet. Darüber hinaus erfahren Sie, wie Sie logistische Regressionsmodelle mithilfe von Techniken wie AUC-ROC und Feature Engineering optimieren können.

Das ist alles enthalten

8 Videos1 Aufgabe

In diesem Modul behandeln wir den Naive-Bayes-Klassifikationsalgorithmus und konzentrieren uns dabei auf seinen probabilistischen Charakter und seine Anwendungen bei Klassifizierungsaufgaben. Anhand von Fallstudien aus der Praxis, wie beispielsweise der Vorhersage der Mitarbeiterfluktuation, lernen Sie, wie Sie Naive-Bayes-Modelle effektiv erstellen und optimieren können.

Das ist alles enthalten

4 Videos1 Aufgabe

In diesem Modul stellen wir Entscheidungsbaum-Klassifikatoren vor und konzentrieren uns dabei auf ihre Funktionsweise und ihre Vorteile bei Klassifizierungsaufgaben. Sie werden sich mit zentralen Konzepten wie dem Gini-Index, der Entropie und dem Pruning befassen. Am Ende dieses Moduls werden Sie in der Lage sein, Entscheidungsbäume auf reale Datensätze anzuwenden und sie zu optimieren, um die Modellleistung zu verbessern.

Das ist alles enthalten

6 Videos1 Lektüre3 Aufgaben

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

Packt - Course Instructors
Packt
1.946 Kurse575.115 Lernende

von

Packt

Mehr von Datenanalyse entdecken

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.“

Häufig gestellte Fragen