Stanford University Kostenlose Online-Bildung

Maschinelles lernen

Beschreibung

Maschinelles Lernen ist heute die Grundlage für die aufregendsten Karrieren in der Datenanalyse. Sie lernen die Modelle und Methoden kennen und wenden sie auf reale Situationen an, von der Identifizierung aktueller Nachrichtenthemen über den Aufbau von Empfehlungsmaschinen bis hin zur Rangfolge von Sportmannschaften und der Planung des Weges von Filmzombies. Zu den wichtigsten behandelten Perspektiven gehören: probabilistische versus nicht-probabilistische Modellierung, überwachtes versus unüberwachtes Lernen. Zu den Themen gehören: Klassifizierung und Regression, Clustering-Methoden, sequentielle Modelle, Matrixfaktorisierung, Themenmodellierung und Modellauswahl. Zu den Methoden gehören unter anderem: lineare und logistische Regression, Support-Vektor-Maschinen, Baumklassifikatoren, Boosting, Maximum-Likelihood- und MAP-Inferenz, EM-Algorithmus, Hidden-Markov-Modelle, Kalman-Filter, k-Means, Gaußsche Mischungsmodelle. In der ersten Hälfte des Kurses werden wir überwachte Lerntechniken für Regression und Klassifizierung behandeln. In diesem Rahmen verfügen wir über eine Ausgabe oder Reaktion, die wir basierend auf einer Reihe von Eingaben vorhersagen möchten. Wir werden mehrere grundlegende Methoden zur Durchführung dieser Aufgabe und Algorithmen zu ihrer Optimierung diskutieren. Unser Ansatz wird eher praxisorientiert sein, das heißt wir werden ein umfassendes mathematisches Verständnis der jeweiligen Algorithmen entwickeln, auf die abstrakte Lerntheorie gehen wir jedoch nur kurz ein. In der zweiten Kurshälfte wechseln wir zu unbeaufsichtigten Lerntechniken. Bei diesen Problemen ist das Endziel weniger eindeutig als die Vorhersage einer Ausgabe auf der Grundlage einer entsprechenden Eingabe. Wir werden drei grundlegende Probleme des unbeaufsichtigten Lernens behandeln: Datenclusterung, Matrixfaktorisierung und sequentielle Modelle für reihenfolgeabhängige Daten. Einige Anwendungen dieser Modelle umfassen Objektempfehlungen und Themenmodellierung.

Preis: Kostenlose Prüfung!

Maschinelles Lernen durch edX, eine von Harvard und MIT gegründete Bildungsplattform.

Maschinelles lernen -