Praktisches maschinelles Lernen | Das Universitätsnetzwerk

Beschreibung

Eine der häufigsten Aufgaben von Datenwissenschaftlern und Datenanalysten sind Vorhersagen und maschinelles Lernen. In diesem Kurs werden die Grundkomponenten der Erstellung und Anwendung von Vorhersagefunktionen behandelt, wobei der Schwerpunkt auf praktischen Anwendungen liegt. Der Kurs vermittelt grundlegende Grundlagen zu Konzepten wie Trainings- und Testsätzen, Überanpassung und Fehlerraten. Der Kurs stellt außerdem eine Reihe modellbasierter und algorithmischer Methoden des maschinellen Lernens vor, darunter Regression, Klassifizierungsbäume, Naive Bayes und Zufallswälder. Der Kurs deckt den gesamten Prozess der Erstellung von Vorhersagefunktionen ab, einschließlich Datenerfassung, Feature-Erstellung, Algorithmen und Auswertung.