Machine Learning-Algorithmen - inklusive Python Demos

Lerne alle Algorithmen aus der Data Science-Praxis kennen: SVM, CART, Random Forest, Gradient Boosting, kNN und k-Means

Ratings: 0.00 / 5.00




Description

Herzlich willkommen in meinem Kurs:

Machine Learning-Algorithmen aus der Data Science-Praxis


  • In diesem Kurs lernst Du alle praxisrelevanten Machine Learning-Algorithmen kennen: Support Vector Machine, Decision Tree, Random Forest, Gradient Boosting, k-Nearest Neighbors und k-Means Clustering.

  • Du lernst nicht nur die theoretischen Grundlagen der einzelnen Algorithmen, sondern erfährst im Rahmen der Code Demos auch, wie man die Algorithmen in der Praxis implementiert. Alle Code-Beispiele sind in Python programmiert - wir arbeiten mit einschlägigen ML Libraries wie Pandas, NumPy und Scikit-learn.

  • Alle Materialien, die wir im Kurs verwenden (Power Point Slides, Python Notebooks, usw.), stehen Dir zeitlich unbegrenzt auch zum Download zur Verfügung. Wenn Du Inhalte aus diesem Kurs für eigene Präsentationen / Veröffentlichungen verwenden möchtest, freue ich mich darüber - bitte Dich aber gleichzeitig darum, auf mich als Urheber zu referenzieren.

  • Solltest Du während des Kurses Fragen oder Anmerkungen haben, kannst Du mich jederzeit gerne kontaktieren - ich freue mich über Deine Nachricht und Dein Feedback.

  • Dieser Kurs ist ein Teil meiner Wissensreihe MACHINE LEARNING-READY. Alle Informationen zu den weiteren Wissensangeboten rund um das Thema Machine Learning findest Du auf meiner Website. Dort hast Du auch die Möglichkeit, Dich für meinen Newsletter anzumelden und von besonderen Angeboten zu profitieren. Den Link zur Website findest Du in meinem Profil auf LinkedIn. Dorthin gelangst Du über meine Udemy Dozentenseite oder direkt über Google. 

Viel Spaß beim Lernen!

What You Will Learn!

  • Du lernst alle wichtigen "Supervised Learning"-Algorithmen aus der Data Science-Praxis kennen
  • Du kennst alle relevanten Hyperparameter und verstehst, wie Du sie gezielt einsetzt, um Overfitting zu vermeiden
  • Du lernst außerdem mit dem "k-Means" Clustering einen der bekanntesten Algorithmen im Bereich des "Unsupervised Learning" kennen
  • Du wendest im Rahmen einer Code Challenge alle Supervised Learning-Algorithmen in PYTHON an

Who Should Attend!

  • Business Stakeholder, die mit Data Scientists zusammenarbeiten und ein besseres Verständnis für den Bereich KI/Machine Learning entwickeln wollen
  • Software-Entwickler, die sich in den Bereich Data Science/Machine Learning fortentwickeln wollen
  • Data Scientists, die gezielt nach Informationen zu einem bestimmten Thema oder Inspiration für ihr aktuelles Projekt suchen
  • ALLE, die eine Karriere im Bereich Data Science/Machine Learning anstreben