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
Probiere die erste Lektion
Probiere die erste Lektion kostenlos mit einem kostenlosen Konto, ohne Zahlungskarte. Weitere kostenpflichtige Lektionen erfordern gültigen Academy-Zugang, eine aktive Testphase oder Lumi Pro.
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.
KI-unterstützte redaktionelle Analyse der genannten Quellen, kein Praxistest und keine Kundenbewertung. Anbieterangaben sind keine unabhängigen Leistungsmessungen.
Die offizielle Kursseite stellt Machine Learning: Core Ideas and Data Splits als einen Einstieg in vier Lektionen dar, vom Grundgedanken des maschinellen Lernens über Kategorien von Lernaufgaben und Modellkonzepte bis zur Datenaufteilung. Das erklärte Ziel ist eine konzeptionelle Grundlage und keine Fertigkeit im Umgang mit einem Softwareprodukt. Die Seite beschreibt den Kurs als angeleitete Einführung auf Anfängerniveau, die überwachtes, unüberwachtes und bestärkendes Lernen vergleicht und untersucht, warum Trainings- und Bewertungsdaten getrennt bleiben müssen. Da die Quelle kein kommerzielles KI-Produkt beschreibt, ist sie als Lernmaterial zu lesen, dessen Wert davon abhängt, wie klar die Lektionen diese Ideen vermitteln.
Der Kurs eignet sich für Lernende, die eine strukturierte Erklärung dafür suchen, wie Systeme des maschinellen Lernens aus Beispielen lernen und warum Bewertungsdaten sorgfältig behandelt werden müssen. Die Seite nennt Einsteiger, die eine klare Einführung ohne unnötigen Fachjargon suchen, Menschen, die durch Beispiele und praktische Übungen lernen, sowie Fachleute oder selbstständige Entwickler, die einen wiederholbaren Arbeitsablauf suchen. Die angegebene abschließende Aktivität wendet die Ideen auf einen kleinen, freigegebenen Datensatz an, was darauf hindeutet, dass der Kurs auf das Verständnis einer Vorhersageaufgabe und nicht auf das Schreiben von Code zielt. Wer Produktionskompetenzen, Programmierpraxis oder statistische Tiefe benötigt, wird nach dieser Einführung wahrscheinlich eine andere Ressource brauchen.
Der zentrale Zielkonflikt liegt zwischen Tiefe und Zugänglichkeit. Die Seite verspricht, dass Lernende Merkmale, Zielgrößen, Trainingsdaten und Bewertungsdaten erkennen und eine Aufteilung vorschlagen werden, die Datenlecks verringert. Das ist ein nützliches konzeptionelles Ziel, doch die Seite nennt nicht, wie viel praktische Modellierung, Mathematik oder Werkzeugnutzung jede Lektion umfasst. Details je Lektion, der Zeitaufwand und das genaue Format der praktischen Aktivität werden im vorliegenden Text nicht beschrieben. Die Seite erwähnt außerdem, dass der Kurs Material unter der Lizenz CC BY verwendet und dass die Wiedergabe nur über authentifizierten Zugang nach Veröffentlichungs- und Lizenzprüfungen erfolgt; aktuelle Zugangsbedingungen sollten daher direkt bestätigt werden.
Bevor Sie Zeit oder Geld investieren, prüfen Sie die Punkte, die die Quelle offen lässt: die Gesamtdauer der vier Lektionen, ob der Übungsdatensatz bereitgestellt wird oder selbst beschafft werden muss, ob eine Prüfung oder ein Zertifikat angeboten wird und was die kostenlose erste Lektion umfasst. Die Seite sagt, dass Lektion 1 kostenlos ist, nennt aber keinen Preis für den vollständigen Kurs, daher sollte kein Preis angenommen werden. Lernende sollten außerdem bestätigen, dass die Lizenzbedingungen und Anforderungen an die Quellenangabe für die Kursinhalte zu ihrer beabsichtigten Weiterverwendung passen. Diese Bewertung ist ein KI-gestützter, quellenbasierter Entwurf und hat den Kurs nicht getestet; Lernerfahrung und Qualität der Lektionen bleiben daher ungeprüft.
Lektionen dieses Kurses besucht? Was hast du gelernt und was könnte klarer sein?
Erfahrung teilen · Korrektur vorschlagen
Feedback geht vertraulich an unser Team. Es wird nicht automatisch veröffentlicht oder als Bewertung gezählt. Teile keine Passwörter, Kundendaten oder sensiblen Informationen.