Video-Tutorial: Machine Learning von A-Z
Der Videokurs vermittelt fundiertes Wissen ĂĽber Machine Learning (reduziert auf 29,99 Euro). Sie lernen unter anderem Anwendungen in Python zu programmieren.
In diesem umfangreichen und praxisorientierten Online-Kurs von Jannis Seemann lernen Sie Schritt für Schritt Machine Learning (ML) und schaffen den Einstieg in Data Science und Künstliche Intelligenz. Insgesamt enthält der Kurs über 300 Lektionen, Videos, Praxisbeispiele und Dokumente. Die abgedeckten Themenbereiche umfassen unter anderem: Regression, Klassifizierung, Clustering, Natural Language Processing (NLP) und Deep Learning (Neuronale Netze) mit Python, Tensorflow und Keras.
Machine Learning macht erst dann richtig SpaĂź, wenn Sie echte Daten auswerten. Daher analysieren Sie im Rahmen der Lektionen viele Praxisbeispiele wie Spam-Filter, Wertermittlung von Gebrauchtwagen, etc. Alle Codebeispiele werden in Python und R gezeigt.
Am Ende des Kurses können Sie Machine Learning auch auf eigene Daten anwenden und eigenständig fundierte Entscheidungen treffen. Sie werden gelernt haben, welche Modelle in Frage kommen und wie Daten aufbereitet werden müssen.
Den 36-stĂĽndigen Videokurs von Udemy gibt es noch bis Sonntag (26. Mai 2019) exklusiv fĂĽr heise-online-Leser fĂĽr nur 29,99 Euro (statt 199,99 Euro): Machine Learning von A-Z: Lerne Python & R fĂĽr Data Science!
Empfohlener redaktioneller Inhalt
Mit Ihrer Zustimmmung wird hier ein externes Video (Kaltura Inc.) geladen.
Ich bin damit einverstanden, dass mir externe Inhalte angezeigt werden. Damit können personenbezogene Daten an Drittplattformen (Kaltura Inc.) übermittelt werden. Mehr dazu in unserer Datenschutzerklärung.
Der Trainer Jannis Seemann ist studierter Informatiker und programmiert seit seinem 14. Lebensjahr. Er ist mittlerweile selbstständiger Unternehmer, der Projekte für Kunden umsetzt und sein Wissen in mehr als 25 Online-Kursen weitergibt.
Kursinhalte
- Erstellung von Machine-Learning-Anwendungen in Python und R
- Behandlung aller wichtigen ML-Themen inklusive Neuronale Netze
- Verwendung von gängigen Tools wie Sklearn, NLTK und Caret
- Lernen anhand von vielen Praxisbeispielen mit realen Daten
Zielgruppe
- Alle, die lernen möchten, wie Machine Learning funktioniert und angewendet wird
- Programmierer, die einen Einstieg in den Bereich Data Science planen
- Jeder, der Interesse am Thema KĂĽnstliche Intelligenz hat
(sea)
