Machine Learning: Data Scientist
Tauchen Sie tief ein in die Mathematik, Wissenschaft und Statistik hinter Machine Learning
Dieser Lernpfad ist auf Lernende abgestimmt, die über Fähigkeiten in Mathematik, Statistik und Analyse verfügen und Fachleute im Bereich Machine Learning (ML) in ihrem Unternehmen werden möchten. Es gibt Einführungs-, Mittelstufen- und Fortgeschrittenenkurse. Sie lernen, wie sich Machine-Learning-Frameworks und -Analysewerkzeuge für Ihre Arbeit einsetzen und die Zusammenarbeit verbessern lassen.
Im Folgenden erhalten Sie weitere Informationen zu den Kursen in den jeweiligen Lernprogressionen.
-
Primäre Progression
Mathematik für Machine Learning
Um modernes Machine Learning verstehen zu können, benötigen Sie auch ein Verständnis von Vektoren und Matrizen, linearer Algebra, Wahrscheinlichkeitstheoremen sowie univariater und multivariater Integralrechnung. All diese Themen werden in diesem Kurs behandelt.
Digital | 8 Stunden
Lineare und logistische Regression
Erkunden Sie Modelle für Regression, kleinste Fehlerquadrate, Maximum-Likelihood-Einschätzungen, Regularisierung, logistische Regression, empirische Verlustminimierung und gradientenbasierte Optimierungsmethoden
Digital | 8,5 Stunden
Elemente der Data Science
Lernen Sie, wie Sie Machine-Learning-Modelle entwickeln und ständig verbessern. Behandelt werden die Formulierung von Problemen, forschende Datenanalyse, Funktions-Engingeering, Modelltraining, Tuning und Debugging sowie die Modellevaluierung und die Umsetzung in Produkte.
Digital | 8 Stunden
Abschlusskurs zur Datenwissenschaft: Praktische ML-Anwendungen
Nutzen Sie Machine Learning, um geschäftliche Herausforderungen in der Praxis zu lösen. Entwickeln, trainieren und testen Sie ein Machine-Learning-Modell von Grund auf.
Digital | 50 Minuten
Datenbereitschaft im Bereich Machine Learning
Dieser Kurs legt den Fokus auf das Konzept der Datenbereitschaft im Kontext von Machine Learning (ML). Sie erfahren, wie Sie die Datenbereitschaft bestimmen und identifizieren, wann Sie die Datenbereitschaft als Teil Ihres ML-Prozesses einsetzen sollten.
Digital | 1 Stunde
Machine-Learning-Anwendungen entwickeln
Lernen Sie Amazon SageMaker, die vollständig verwaltete Amazon ML-Plattform, kennen.
Digital | 2,5 Stunden
Lösungsarten für Machine Learning
Machen Sie sich mit den drei verschiedenen Disziplinen für Machine Learning vertraut: Computer Vision, Verarbeitung von natürlicher Sprache und Chatbots. Lernen Sie praktische Anwendungen und die in diesen Anwendungen verwendeten AWS-Services kennen.
Digital | 15 Minuten
-
Verzweigte Inhaltsbereiche
Kommunikation mit Chatbots
Erfahren Sie, wie Sie intelligente Chatbots mit dem Modul für die Kommunikation mit Chatbots erstellen.
Digital | 3,5 Stunden
Im Fokus: Machine Translation und Verarbeitung natürlicher Sprache (NLP)
In diesen Kursen erfahren Sie, wie Maschinen mit menschlicher Sprache interagieren. Schauen Sie sich AWS-Services an, die Sie mit Themen rund um neuronale Netzwerke und die Verarbeitung von natürlicher Sprache unterstützen, z. B. automatische Spracherkennung, natürlich klingende, flüssige Übersetzungen sowie Einblicke und Beziehungen im Texten.
Digital | 80 Minuten
Durchblick bei der Computervision-Theorie
In diesem Modul erfahren Sie, wie Maschinen ein Verständnis für Bilder und Videos entwickeln.
Digital | 2,5 Stunden
