Eine der häufigsten Aufgaben von Datenwissenschaftlern und Datenanalysten sind Vorhersagen und maschinelles Lernen. In diesem Kurs werden die grundlegenden Komponenten der Erstellung und Anwendung von Vorhersagefunktionen behandelt, wobei der Schwerpunkt auf praktischen Anwendungen liegt. Der Kurs vermittelt grundlegende Kenntnisse über Konzepte wie Trainings- und Testsätze, Overfitting und Fehlerquoten. Der Kurs führt auch in eine Reihe von modellbasierten und algorithmischen Methoden des maschinellen Lernens ein, darunter Regression, Klassifikationsbäume, Naive Bayes und Zufallswälder. Der Kurs deckt den gesamten Prozess der Erstellung von Vorhersagefunktionen ab, einschließlich Datenerfassung, Erstellung von Merkmalen, Algorithmen und Auswertung.
Praktisches maschinelles Lernen
Holen Sie sich eines unserer besten Angebote und erweitern Sie Ihre Fähigkeiten mit 50% Rabatt auf Coursera Plus. Jetzt sparen.
Praktisches maschinelles Lernen
Dieser Kurs ist Teil mehrerer Programme.
Dozenten: Jeff Leek, PhD
158.173 bereits angemeldet
Bei enthalten
3,269 Bewertungen
Was Sie lernen werden
Verwenden Sie die grundlegenden Komponenten der Erstellung und Anwendung von Vorhersagefunktionen
Verstehen Sie Konzepte wie Trainings- und Testsätze, Overfitting und Fehlerquoten
Beschreiben Sie Methoden des maschinellen Lernens wie Regression oder Klassifikationsbäume
Erklären Sie den gesamten Prozess der Erstellung von Vorhersagefunktionen
Kompetenzen, die Sie erwerben
- Kategorie: Angewandtes maschinelles Lernen
- Kategorie: Regressionsanalyse
- Kategorie: Prädiktive Analytik
- Kategorie: Überwachtes Lernen
- Kategorie: Bewertung des Modells
- Kategorie: Klassifizierungs- und Regressionsbaum (CART)
- Kategorie: Prädiktive Modellierung
- Kategorie: Maschinelles Lernen
- Kategorie: Algorithmen für maschinelles Lernen
- Kategorie: Software für maschinelles Lernen
- Kategorie: Methoden des maschinellen Lernens
- Kategorie: Modell Ausbildung
- Kategorie: Vorverarbeitung von Daten
- Kategorie: Random Forest Algorithmus
- Kategorie: Technische Merkmale
Werkzeuge, die Sie lernen werden
- Kategorie: R Programmierung
- Kategorie: Klassifizierungsalgorithmen
Wichtige Details
Zu Ihrem LinkedIn-Profil hinzufügen
5 Aufgaben
Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.
Erweitern Sie Ihre Fachkenntnisse
- 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 4 Module
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
Mehr von Maschinelles Lernen entdecken
Status: Kostenloser TestzeitraumUniversity of Glasgow
Status: Kostenloser Testzeitraum
Status: VorschauThe University of Chicago
Status: Vorschau
Warum entscheiden sich Menschen für Coursera für ihre Karriere?
Felipe M.
Jennifer J.
Larry W.
Chaitanya A.
Bewertungen von Lernenden
- 5 stars
66,41 %
- 4 stars
22,26 %
- 3 stars
6,94 %
- 2 stars
2,53 %
- 1 star
1,83 %
Zeigt 3 von 3269 an
Geprüft am 19. Feb. 2016
Some of the terms used here vary from the terms used in the industry. For example recall, precision etc. Overall this is a very good course with provides basics of machine learning.
Geprüft am 28. Juli 2016
I learned a lot in this class. There are slight gaps from the depth of material covered in the lectures to the quizzes and assignment. If you're good at researching online, you'll be fine.
Geprüft am 25. Juni 2017
Awesome course. Would recommend it, but only to those who have a bit of stats and R background. This definitely helped me get a solid enough understanding of using R for machine learning.
Häufig gestellte Fragen
Weitere Fragen
Finanzielle Unterstützung verfügbar,