Machine Learning von A-Z: Lerne Python & R fur Data Science!
Last updated 10/2024
Created by Jannis Seemann
MP4 | Video: h264, 1920x1080 | Audio: AAC, 44.1 KHz, 2 Ch
Level: Beginner | Genre: eLearning | Language: German | Duration: 400 Lectures ( 36h 14m ) | Size: 51.8 GB
Maschinelles Lernen komplett: Regression, Klassifizierung, Clustering, NLP, AI, KI, Deep Learning & Neuronale Netze
What you'll learn
Erstelle Machine-Learning-Anwendungen sowohl in Python, als auch in R
Keine trockene Mathematik - alles anschaulich erklärt
Wende Machine Learning auf eigene Daten an
Verwende gängige Tools wie Sklearn, NLTK und Caret
Du wirst Machine Learning übersichtlich und prägnant lernen
Du wirst wissen, wann du welches Machine-Learning-Modell anwenden kannst
Lerne mit echten Daten: Viele Praxisbeispiele (Spam-Filter, schätze Preis von Gebrauchtwagen, ...)
Requirements
Du solltest zuvor schon einmal ein wenig programmiert habe
Es werden weder Kenntnisse in Python, noch in R vorrausgesetzt
Alle benötigen Tools (R, RStudio, Anaconda, ...) installieren wir gemeinsam im Kurs
Description
Jetzt neu: Zusätzlicher Bonus zum Thema Deep Learning (Neuronale Netze) mit Python, Tensorflow und Keras!Dieser Kurs enthält über 300 Lektionen, Quizze, Praxisbeispiele, ... - der einfachste Weg, wenn du Machine Learning lernen möchtest. Schritt für Schritt bringe ich dir maschinelles Lernen bei. In jedem Abschnitt lernst du ein neues Thema - zuerst die Idee / Intuition dahinter, und anschließend den Code sowohl in Python als auch in R.Machine Learning macht erst dann richtig Spaß, wenn man echte Daten auswertet. Deswegen analysierst du in diesem Kurs besonders viele Praxisbeispiele:Schätze den Wert von GebrauchtwagenSchreibe einen Spam-FilterDiagnostiziere BrustkrebsSchreibe ein Programm, was die Bedeutung von Adjektiven lerntLese Zahlen aus Bildern einAlle Codebeispiele werden dir beiden Programmiersprachen gezeigt - du kannst also wählen, ob du den Kurs in Python, R, oder in beiden Sprachen sehen möchtest!Nach dem Kurs kannst du Machine Learning auch auf eigene Daten anwenden und eigenständig fundierte Entscheidungen treffen
u weißt, wann welche Modelle in Frage kommen könnten und wie du diese vergleichst. Du kannst analysieren, welche Spalten benötigt werden, ob zusätzliche Daten benötigt werden, und weißt, die die Daten vorab aufbereitet werden müssen. Dieser Kurs behandelt alle wichtigen Themen:RegressionKlassifizierungClusteringNatural Language ProcessingBonus: Deep Learning (nur für Python, weil die Tools hier sehr viel ausgereifter sind)Zu allen diesen Themen lernst du verschiedene Algorithmen kennen. Die Ideen dahinter werden einfach erklärt - keine trockenen, mathematischen Formeln, sondern anschauliche, grafische Erklärungen.Wir verwenden hierbei gängige Tools (Sklearn, NLTK, caret, data.table, ...), die auch für echte Machine-Learning-Projekte verwendet werden. Was lernst du alles?Regression:Lineare RegressionPolynomiale RegressionKlassifizierung:Logistische RegressionSupport Vector Machine (SVM) SVM mit Kernel (rbf, poly)Naive BayesEntscheidungsbäumeRandom ForestClusteringNatural Language ProcessingTokenizingStemmingPOS-Tagging (welchen Typ hat ein Wort?)Bonus: Deep Learning / Neuronale Netze (nur Python)Aufbau eines Neuronalen NetzesWas ist ein Neuron?TensorflowKerasZudem lernst du auch, wie du Machine Learning anwendestimensionsreduktion mit der Principal Component Analysis (PCA)Lese Daten ein, und bereite sie für dein Modell vorMit vollständigem Praxisbeispiel, Schritt für Schritt erklärtFinde die besten Hyperparameter für dein Modell"Parameter Tuning"GridSearch (GridSearchCV in Python / tuneGrid in R)Vergleiche Modelle miteinander:Wie dich der Wert für die Genauigkeit eines Modells in die Irre führen kann, und was du dagegen tun kannstK-Fold Cross-ValidationBestimmtheitsmaßMein Ziel ist es, dir mit diesem Kurs den idealen Einsteig in die Welt des Machine Learnings zu bieten.Who this course is for
Entwickler, die sich für Machine Learning interessieren
Homepage
Code:
Bitte
Anmelden
oder
Registrieren
um Code Inhalt zu sehen!
Code:
Bitte
Anmelden
oder
Registrieren
um Code Inhalt zu sehen!
Code:
Bitte
Anmelden
oder
Registrieren
um Code Inhalt zu sehen!
