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.

path_ml-data-scientist_V3
  • 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

Sie benötigen weitere Informationen?