In diesem Kapitel definieren wir Machine Learning und seine Beziehung zu Data Science und Künstlicher Intelligenz.  Anschließend werden wir die wichtigsten Begriffe des Machine Learning erläutern und mit dem Machine-Learning-Workflow zur Erstellung von Modellen abschließen.

Was ist Machine Learning?

Filmempfehlungen generieren

KI, Data Science und Machine Learning gehen in eine Bar...

Was ist wahr am Machine Learning?

Machine-Learning-Konzepte

Machine-Learning-Fachjargon

Überwacht vs. unüberwacht

Machine-Learning-Workflow

Schritte zur Entwicklung eines Modells

Ein wahrer Schritt

Nun, da du die Grundlagen des Machine Learning kennst, lass uns etwas tiefer eintauchen. Am Ende dieses Kapitels kennst du die verschiedenen Arten des Machine Learning und weißt, wie du deine Modelle bewerten und verbessern kannst.

Überwachtes Lernen

Aufwärmen

Aufgaben

Klassifizierung

Regression

Regression mit Klasse

Unüberwachtes Lernen

Überwacht

Unüberwacht

Wir brauchen keine Überwachung

Wir müssen sie alle clustern!

Bewertung der Leistung

Richtig

Falsch

Richtig oder falsch?

Land der Konfusion

Die Leistung verbessern

Optionen

Hyperparameter-Optimierung

Dimensionsreduktion

Ensemble-Methoden

Es ist ein langer Weg an die Spitze

Hyperparameter-Optimierung erkunden

Machine-Learning-Modelle

In diesem Kapitel werden wir uns mit Deep Learning befassen und beginnen dabei mit neuronalen Netzen. Als Nächstes werfen wir einen genaueren Blick auf zwei häufige Anwendungsfälle für Deep Learning: Computer Vision und Natural Language Processing. Zum Abschluss des Kurses diskutieren wir die Grenzen und Gefahren des Machine Learning.

Deep Learning

Was ist Deep Learning?

Sollte ich Deep Learning einsetzen?

Computer Vision

Bilddaten

Der Prozess

Natural Language Processing

Stimmungsanalyse

Klassifizieren von Machine-Learning-Aufgaben

Bag of Words

Die Grenzen des Machine Learning

Blackbox oder nicht Blackbox?

Voreingenommenheit beim Machine Learning aufspüren

Herzlichen Glückwunsch!

Was steckt hinter dem Hype um Machine Learning? In diesem nicht-technischen Kurs erfährst du alles, was du dich bisher nicht getraut hast, über Machine Learning (dt. maschinelles Lernen) zu fragen. Es sind keine Programmierkenntnisse nötig. Praktische Aufgaben helfen dir, den Fachjargon zu überwinden und zu lernen, wie diese aufregende Technologie alles möglich macht: von selbstfahrenden Autos bis hin zu deinen persönlichen Amazon-Einkaufsvorschlägen.

Wie funktioniert Machine Learning, wann kannst du es einsetzen und was ist der Unterschied zwischen KI und Machine Learning? Das alles wird behandelt. Erwerbe Skills in diesem äußerst gefragten und einflussreichen Bereich und entdecke, warum Machine Learning für jeden etwas zu bieten hat!


<h2>Einführung in die Konzepte des maschinellen Lernens</h2> 
Was steckt hinter dem Hype um das maschinelle Lernen? In diesem nicht-technischen Kurs erfährst du alles, was du dich bisher nicht getraut hast, über maschinelles Lernen zu fragen. Es ist keine Codierung erforderlich.
<br><br>
Du wirst grundlegende Konzepte kennenlernen, um deine Reise in das maschinelle Lernen zu beginnen und dein Wissen durch praktische Übungen zu festigen. Dazu gehört, dass du ein Verständnis jenseits des Fachjargons entwickelst und lernst, wie diese aufregende Technologie alles von selbstfahrenden Autos bis hin zu deinen persönlichen Amazon-Einkaufsvorschlägen ermöglicht. 
<br><br>
<h2>Erforsche die Grundlagen des maschinellen Lernens</h2> 
Wie funktioniert maschinelles Lernen, wann kannst du es einsetzen und was ist der Unterschied zwischen KI und maschinellem Lernen? Dieser Kurs behandelt all diese Themen.
<br><br>
Du fängst damit an, herauszufinden, was maschinelles Lernen ist, seine grundlegende Definition zu erforschen und seine Beziehung zu Data Science und künstlicher Intelligenz zu untersuchen. Dann machst du dich mit dem Vokabular vertraut und beendest den Workflow des maschinellen Lernens zur Erstellung von Modellen.
<br><br>
Zum Abschluss des Kurses befassen wir uns mit Deep Learning. Du wirst zwei häufige Anwendungsfälle für Deep Learning erkunden: Computer Vision und Natural Language Processing (NLP) und die Grenzen und Gefahren des maschinellen Lernens kennenlernen.

Dieser zweistündige Einführungskurs in maschinelles Lernen behandelt wesentliche ML-Konzepte.

Machine Learning verstehen

In diesem Kurs lernst du das spannende Themenfeld des maschinellen Lernens kennen – und du benötigst dafür gar keine Programmierkenntnisse.

KI-Grundlagen

Datenthemen verstehen

Ändere beim Training eines Entscheidungsbaums die Mindestanzahl von Beobachtungen, die einen Zweig bilden.

Schreibe ein Skript, um drei verschiedene Werte für drei verschiedene Hyperparameter deines SVM auszuprobieren und behalte die Konfiguration bei, die die besten Ergebnisse liefert.

Entferne die Spalte „calories_burned“ aus einem Datensatz von Laufeinheiten, um die Lebensdauer eines Laufbands mit Dauer, Geschwindigkeit und Steigung zu bewerten.

Führe eine Analyse durch, um die vier Hauptmerkmale zu identifizieren, die die besten Vorhersagen liefern, und entferne die anderen.

Verwende die häufigste Vorhersage aus einem SVM-, einem K-Means- und einem Entscheidungsbaum-Modell, um einer Beobachtung eine Kategorie zuzuweisen.

Verwende die durchschnittliche Vorhersage aus einer linearen Regression, einem K-Means- und einem Entscheidungsbaum-Modell, um einer Beobachtung eine Kategorie zuzuweisen.

Es ist ein langer Weg an die Spitze

Machine Learning verstehen

Interaktive Übung