Titelbild
Technische Informationsbibliothek (TIB)36 Module
Machine Learning with Python
36 Einträge
Aktualisiert
Lernen beginnen
Beschreibung und Lernergebnis
Mentoren
Gábor KismihókGKGábor Kismihók
Carolin EisentrautCECarolin Eisentraut

Beschreibung

Machine learning is a hot topic these days. This course teaches you the most important topics in Machine Learning and how to implement them in the Python language.

Lernziele

Nach Abschluss dieses Lernpfads werden die Lernenden in der Lage sein:

  1. Die grundlegenden Konzepte des maschinellen Lernens, einschließlich überwachter und unüberwachter Lernmethoden, zu verstehen und zu erklären.

  2. Verschiedene Algorithmen des maschinellen Lernens wie Regression, Klassifikation, Clustering und Ensemble-Methoden zu erkennen und zu unterscheiden.

  3. Gängige Techniken des maschinellen Lernens, einschließlich Linearer Regression, Logistischer Regression, K-Means, Entscheidungsbäumen und Support Vector Machines, mit der Programmiersprache Python zu implementieren.

  4. Die Ergebnisse von Machine-Learning-Modellen zu analysieren und zu interpretieren sowie deren Leistung unter Berücksichtigung von Konzepten wie Überanpassung, Unteranpassung und Kreuzvalidierung zu bewerten.

Enthaltene Inhalte
Entdecke die Module, die in diesem Lernpfad enthalten sind.
1

Supervised learning vs unsupervised learning

Videoinhalt
2

Regression vs Classification

Videoinhalt
3

Linear Regression

Videoinhalt
4

Linear regression with scikit

Videoinhalt
5

Gradient descent

Videoinhalt
6

Overfitting vs underfitting

Linkinhalt
7

Regularization

Linkinhalt
8

Regularization with scikit

Videoinhalt
9

Logistic regression

Videoinhalt
10

Logistic regression with scikit

Videoinhalt
11

Cross validation

Linkinhalt
12

Cross validation with scikit

Linkinhalt
13

Resampling method: bootstrapping

Videoinhalt
14

K means

Videoinhalt
15

K means with scikit

Videoinhalt
16

Density based clustering

Linkinhalt
17

Hierarchical clustering

Videoinhalt
18

K nearest neighbor

Videoinhalt
19

K nearest neighbor with scikit

Videoinhalt
20

Decision tree

Linkinhalt
21

Decision tree with scikit

Videoinhalt
22

Support vector machine

Linkinhalt
23

Support vector machine with scikit

Videoinhalt
24

Expectation maximization

Videoinhalt
25

Naive bayes classification

Linkinhalt
26

Naive bayes classification with scikit

Linkinhalt
27

Gaussian mixture model

Videoinhalt
28

Ensemble learning boosting

Videoinhalt
29

Ensemble learning bagging

Videoinhalt
30

Random forest

Linkinhalt
31

Random forest with scikit

Videoinhalt
32

Principal component analysis

Videoinhalt
33

Principal component analysis with scikit

Videoinhalt
34

Linear discriminant analysis

Videoinhalt
35

Artificial neural network

Videoinhalt
36

Artificial neural network with scikit

Videoinhalt