Die University Network

Daten für maschinelles Lernen

BESCHREIBUNG

In diesem Kurs geht es um Daten und darum, wie wichtig sie für den Erfolg Ihres angewandten maschinellen Lernmodells sind. Durch den Abschluss dieses Kurses erhalten die Lernenden die folgenden Fähigkeiten:
Verstehen Sie die kritischen Elemente von Daten in der Lern-, Schulungs- und Betriebsphase
Vorurteile und Datenquellen verstehen
Implementieren Sie Techniken, um die Allgemeinheit Ihres Modells zu verbessern
Erläutern Sie die Folgen einer Überanpassung und ermitteln Sie Minderungsmaßnahmen
Implementieren Sie geeignete Test- und Validierungsmaßnahmen.
Zeigen Sie, wie die Genauigkeit Ihres Modells durch durchdachtes Feature-Engineering verbessert werden kann.
Untersuchen Sie den Einfluss der Algorithmusparameter auf die Modellstärke

Um in diesem Kurs erfolgreich zu sein, sollten Sie mindestens Anfängerkenntnisse in der Python-Programmierung haben (z. B. in der Lage sein, vorhandenen Code zu lesen und zu verfolgen, mit Bedingungen, Schleifen, Variablen, Listen, Wörterbüchern und Arrays vertraut zu sein). Sie sollten ein grundlegendes Verständnis der linearen Algebra (Vektornotation) und Statistik (Wahrscheinlichkeitsverteilungen und Mittelwert / Median / Modus) haben.

Dies ist der dritte Kurs der Spezialisierung für angewandtes maschinelles Lernen, die Ihnen von Coursera und dem Alberta Machine Intelligence Institute angeboten wird.

Preis: Kostenlos anmelden!

Sprache: Englisch

Untertitel: Englisch

Daten für maschinelles Lernen - Alberta Machine Intelligence Institute