In diesem Kapitel definieren wir Machine Learning und seine Beziehung zu Data Science und Künstlicher Intelligenz. Anschließend räumen wir mit wichtigem Machine-Learning-Fachjargon auf und schließen mit dem Machine-Learning-Workflow zum Erstellen von Modellen.

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

Jetzt, da du die Grundlagen von Machine Learning kennst, gehen wir etwas mehr in die Tiefe. Am Ende dieses Kapitels kennst du die verschiedenen Arten von Machine Learning sowie Methoden, um deine Modelle zu bewerten und zu verbessern.

Überwachtes Lernen

Aufwärmen

Aufgaben

Klassifizierung

Regression

Regression mit Klasse

Unüberwachtes Lernen

Überwacht

Unüberwacht

Wir brauchen keine Überwachung

Cluster erkunden

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-Tuning erkunden

Machine-Learning-Modelle

In diesem Kapitel beleuchten wir Deep Learning, beginnend mit neuronalen Netzen. Danach schauen wir uns zwei typische Anwendungsfälle für Deep Learning genauer an: Computer Vision und Natural Language Processing. Zum Abschluss des Kurses sprechen wir über die Grenzen und Risiken von Machine Learning.

Deep Learning

Was ist Deep Learning?

Sollte ich Deep Learning einsetzen?

Computer Vision

Bilddaten

Der Prozess

Natural Language Processing

Sentiment-Analyse

Klassifizieren von Machine-Learning-Aufgaben

Bag-of-Words

Die Grenzen des Machine Learning

Blackbox oder nicht Blackbox?

Voreingenommenheit bei der Vorhersage von Kreditausfällen erkennen

Herzlichen Glückwunsch!

Course Glossary: Understanding Machine Learning

Was steckt hinter dem Machine-Learning-Hype? In diesem nicht-technischen Kurs lernst du alles, was du dich bisher über Machine Learning nicht zu fragen getraut hast. Es ist kein Coding erforderlich. Praxisnahe Übungen helfen dir, das Fachchinesisch zu überwinden und zu verstehen, wie diese spannende Technologie alles antreibt – von selbstfahrenden Autos bis zu deinen persönlichen Amazon-Empfehlungen.

Wie funktioniert Machine Learning, wann kannst du es einsetzen, und worin unterscheidet es sich von KI? All das wird behandelt. Bau dir Fähigkeiten in diesem stark gefragten und einflussreichen Bereich auf und entdecke, warum Machine Learning für alle ist!

Die Videos enthalten Live-Transkripte, die du über „Show transcript" unten links im Video aufrufen kannst.

Das Kursglossar findest du rechts im Bereich „Ressourcen".

Um CPE-Credits zu erhalten, musst du den Kurs abschließen und im qualifizierten Assessment eine Punktzahl von 70 % erreichen. Du kannst zum Assessment navigieren, indem du rechts auf den CPE-Credits-Hinweis klickst.

<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.

Grundlagen der KI

Datenthemen verstehen

Aufwärmen

Interaktive praktische Übung