Lerne grundlegende Lernaufgaben, Modelle und sorgfältige Datenteilung kennen.
Dieser Einstieg führt von der Grundidee des maschinellen Lernens über Lernarten und Modellbegriffe bis zur sorgfältigen Aufteilung von Daten. Du vergleichst Beispiele für überwachtes und unüberwachtes Lernen sowie Lernen durch Belohnung. Anschließend untersuchst du, warum Trainings- und Evaluationsdaten getrennt bleiben müssen. Die Abschlussübung verwendet einen kleinen Datensatz, den du nutzen darfst; Programmierkenntnisse sind nicht erforderlich.
Beschreibe maschinelles Lernen als das Finden von Mustern in Beispielen und unterscheide es von fest programmierten Regeln. Ordne einfache Szenarien überwachtem, unüberwachtem oder bestärkendem Lernen zu und erkläre, welche Informationen jeweils vorliegen. Erkenne Merkmale, Zielwert, Trainingsdaten und Evaluationsdaten in einer einfachen Vorhersageaufgabe. Schlage eine Aufteilung vor, die Datenleckage verringert, und nenne eine Grenze der Evaluation.
Keine Programmier- oder Statistikkenntnisse erforderlich. Grundkenntnisse zu Zeilen und Spalten sind hilfreich; verwende nur öffentliche oder anderweitig freigegebene Übungsdaten.
Einsteiger, die eine klare, geführte Einführung ohne unnötigen Fachjargon suchen
Menschen, die am besten mit Beispielen, Anleitung und praktischen Übungen lernen
Fachleute, Kreative und unabhängige Entwickler, die wiederholbare Abläufe suchen
Lektion 1 ist kostenlos
4 lektionen · Anfänger · Vollständiger Kurs.
Dieser Kurs verwendet CC BY-lizenziertes Material mit Namensnennung des Inhaltsanbieters oder Uploaders. Die Wiedergabe der Lektionen ist erst nach Anmeldung und bestandener Veröffentlichungs- und Lizenzprüfung verfügbar.