|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/machine-learning-projektbasiert/
课程评论：没有评论
课程名称：机器学习A-Z：基于项目的人工智能学习 课程概述：如果你对机器学习和数据科学感兴趣，那么欢迎加入这个课程，深入探索数据的精彩世界，体验用智能技术解决复杂问题的乐趣！本课程将逐步教授你机器学习的基本概念，帮助你打下坚实的基础。此外，课程提供14个真实的Python项目，让你在实践中巩固所学知识，体验其实际应用。完成课程后，你可以将所有项目加入到你的项目组合中，向潜在雇主展示你所参与的有趣项目及所获得的宝贵技能。项目主题包括：预测客户购买行为与企业收益、研究营销支出对旅游行业的影响、分析睡眠对情绪健康的影响、预测COVID-19新病例及股市、识别目标群体以便扩展市场、在电子商务领域进行自动客户评价分析及利用随机森林分类器预测饮用水质量等。 课程内容涵盖机器学习和数据科学的主要主题，包括回归（线性回归、多元线性回归、多项式回归、决策树回归、随机森林回归、XGBoost回归、时间序列回归），分类（决策树分类器、逻辑回归、KNN-最近邻、支持向量机、朴素贝叶斯分类器、K均值聚类），自然语言处理（创建词元、词性标注、词形还原、特征计数），以及深度学习（使用TensorFlow和Keras的人工神经网络，包括神经元的工作原理、输入层、隐藏层、输出层、激活函数、批量大小和周期、反向传播算法）等概念。 此外，还将学习数据可视化与分析、数据预处理与数据管道、交叉验证、超参数优化、特征工程、回归指标（MAE、MSE、RMSE等）和分类指标（准确率、精度、召回率、F1得分等）。课程将采用重要的Python库，如Scikit-learn、Pandas、NumPy、Matplotlib、Seaborn、XGBoost、TensorFlow、Keras和NLTK等。
Bist du fasziniert von Machine Learning und Data Science? Dann tauche mit diesem Kurs in die spannende Welt der Daten ein und erlebe, wie viel Spaß es macht, komplexe Probleme mit intelligenten Technologien zu lösen!Ich werde dir Schritt für Schritt die wichtigsten Konzepte beibringen, um dir den optimalen Einstieg zu ermöglichen.Zusätzlich erhältst du in diesem Kurs die Möglichkeit, an 14 realen Python-Projekten zu arbeiten. Mit diesen Projekten wirst du die erlernten Konzepte vertiefen und ihre praktische Anwendung erleben.Nach Beendigung des Kurses kannst du alle Projekte in dein Projektportfolio aufnehmen, um beispielsweise potenziellen Arbeitgebern zu demonstrieren, an welchen spannenden Projekten du gearbeitet und welche wertvollen Fähigkeiten du erworben hast.In diesen Projekten geht es unter anderem um folgende Themen:Kundenkaufverhalten und Unternehmensgewinne vorhersagenUntersuchung der Auswirkungen von Marketingausgaben auf den TourismussektorAnalyse des Einflusses von Schlaf auf unser emotionales WohlbefindenPrognose von COVID-19-Neuinfektionen und AktienkursenZielgruppenidentifikation für die Expansion in neue MärkteAutomatisierte Kundenbewertungsanalyse im Bereich E-CommerceVorhersage der Trinkwasserqualität mithilfe eines Random Forest ClassifiersDieser Kurs deckt die wichtigsten Themen im Bereich Machine Learning und Data Science ab:Regression:Lineare RegressionMultiple Lineare RegressionPolynomiale RegressionDecision Tree RegressionRandom Forest RegressionXGBoost RegressionTime Series RegressionKlassifikation:Decision Tree ClassifierLogistische RegressionKNN - K-Nächste-NachbarnSVM - Support Vector MachineNaiver Bayes-KlassifikatorK-Means ClusteringNLP - Natural Language Processing:Tokens erstellenPart-of-speech taggingLemmatisierungCount-Features erstellenKünstliche neuronale Netze - Deep Learning mit TensorFlow und Keras:Funktionsweise von NeuronenZusammensetzung: Input Layer, Hidden Layers, Output LayerAktivierungsfunktionenBatch-Größen und EpochenBackpropagation-AlgorithmusWeitere Konzepte: Visualisierung und Analyse von DatenData Preprocessing und Data PipelinesKreuzvalidierungHyperparameteroptimierungFeature EngineeringRegressionsmetriken: MAE, MSE, RMSE,...Klassifikationsmetriken: Accuracy, Precision, Recall, F1-Score,...Wichtigsten Python-Bibliotheken: Scikit-learnPandasNumPyMatplotlibSeabornXGBoostTensorFlowKerasNLTK
