Machine Learning Online-Kurs

199 €

inkl. MWST.

Machine Learning gewinnt in immer mehr Bereichen an Bedeutung und wird für Entwickler zunehmend unverzichtbar.

Im Online-Kurs Machine Learning bekommen Sie den kompletten Einstieg in die Welt des Machine Learnings: Sie lernen von der Regression, Klassifizierung und Clustering bis hin zu NLP, Deep Learning und neuronalen Netzen alle wichtigen Grundlagen des maschinellen Lernens.

Machine Learning Online-KursMaschinelles Lernen bedeutet, dass ein künstliches System aus Erfahrungen lernt und diese dann nach einer Lernphase selbständig anwendet.

So entsteht ein autonomes System, dass ohne menschliche Arbeit auskommt. Dazu werden komplexe Algorithmen und statistische Verfahren angewendet wie Regression, Klassifizierung oder Clustering.

Machine Learning ist damit ein Feld im Bereich Data Science, das die Verarbeitung und Auswertung von Daten automatisiert. Es findet Anwendung in den unterschiedlichsten Gebieten von der medizinischen Diagnostik über Sprach- und Texterkennung bis hin zum autonomen Fahren.

Der deutschsprachige Kurs richtet sich an Entwickler, die sich für Machine Learning interessieren. Erste Programmier-Erfahrungen sollten vorhanden sein, Vorkenntnisse in Python oder R sind aber nicht erforderlich.

Lernziele:

  • Erstellung von Machine Learning-Anwendungen sowohl in Python, als auch in R
  • Anwendung auf eigene Daten
  • Umgang mit gängigen Tools wie Sklearn, NLTK und Caret
  • Wissen wann welches Machine Learning-Modell anwendet werden kann

Jannis Seemann, Gründer von CodingCourses.TV, hat mit 14 seine erste Website entwickelt. Er ist Programmierer aus Leidenschaft und erfahrener Online-Trainer mit vielen Top bewerteten Kursen auf Udemy. Er bringt Ihnen Schritt für Schritt maschinelles Lernen bei: In jedem Abschnitt lernen Sie zunächst ein neues Thema – zuerst die Idee dahinter und anschließend den Code sowohl in Python als auch in R.

Machine Learning macht erst dann richtig Spaß, wenn man echte Daten auswertet. Deswegen enthält der Machine Learning Online-Kurs besonders viele Praxisbeispiele:

  • Schätze den Wert von Gebrauchtwagen
  • Schreibe einen Spam-Filter
  • Diagnostiziere Brustkrebs
  • Schreibe ein Programm, was die Bedeutung von Adjektiven lernt
  • Lese Zahlen aus Bildern ein

Alle Codebeispiele werden in beiden Programmiersprachen gezeigt – so können Sie wählen, ob Sie den Kurs in Python, R, oder in beiden Sprachen sehen möchten!

Vorteile des Online-Kurses Machine Learning:

Sie lernen bequem von zu Hause aus, wann und wo Sie möchten. Der Kurs enthält 36 Stunden Videomaterial, 20 Artikel und viele Übungen und Anwendungsbeispiele. Sie können Ihn von jedem Gerät aus nutzen – egal ob Handy, Tablet  oder TV.

  • 36 Stunden Videomaterial
  • 20 Artikel
  • über 300 Lektionen, Quizze, Praxisbeispiele
  • Keine trockene Mathematik – alles anschaulich erklärt
  • Sie werden Machine Learning übersichtlich und prägnant lernen

Fazit: Der Machine Learning Online-Kurs bietet mit über 300 Lektionen, Quizzes und Praxisbeispielen, einen einfachen Weg, um Machine Learning zu lernen.

  • Über den Kurs

    Lerninhalte:

    Regression:

    • Lineare Regression
    • Polynomiale Regression

    Klassifizierung:

    • Logistische Regression
    • Support Vector Machine (SVM)
    • SVM mit Kernel (rbf, poly)
    • Naive Bayes
    • Entscheidungsbäume
    • Random Forest

    Clustering

    Natural Language Processing

    • Tokenizing
    • Stemming
    • POS-Tagging (welchen Typ hat ein Wort?)

    Bonus: Deep Learning / Neuronale Netze (nur Python)

    • Aufbau eines Neuronalen Netzes
    • Was ist ein Neuron?
    • Tensorflow
    • Keras

    Anwendung:

    • Dimensionsreduktion mit der Principal Component Analysis (PCA)
    • Daten einlesen (mit vollständigem Praxisbeispiel, Schritt für Schritt erklärt

    Hyperparameter finden

    • „Parameter Tuning“
    • GridSearch (GridSearchCV in Python / tuneGrid in R)

    Modelle vergleichen:

    • K-Fold Cross-Validation
    • Bestimmtheitsmaß

    Besonders geeignet für: Entwickler, die sich für Machine Learning interessieren.

Lerninhalte:

Regression:

  • Lineare Regression
  • Polynomiale Regression

Klassifizierung:

  • Logistische Regression
  • Support Vector Machine (SVM)
  • SVM mit Kernel (rbf, poly)
  • Naive Bayes
  • Entscheidungsbäume
  • Random Forest

Clustering

Natural Language Processing

  • Tokenizing
  • Stemming
  • POS-Tagging (welchen Typ hat ein Wort?)

Bonus: Deep Learning / Neuronale Netze (nur Python)

  • Aufbau eines Neuronalen Netzes
  • Was ist ein Neuron?
  • Tensorflow
  • Keras

Anwendung:

  • Dimensionsreduktion mit der Principal Component Analysis (PCA)
  • Daten einlesen (mit vollständigem Praxisbeispiel, Schritt für Schritt erklärt

Hyperparameter finden

  • „Parameter Tuning“
  • GridSearch (GridSearchCV in Python / tuneGrid in R)

Modelle vergleichen:

  • K-Fold Cross-Validation
  • Bestimmtheitsmaß

Besonders geeignet für: Entwickler, die sich für Machine Learning interessieren.

In unserem Newsletter informieren wir Sie jeden Monat über neue Kurse und Lese-Tipps.