Maschinelles Lernen

Meistern Sie die Grundlagen von Python in diesem praktischen Kurs, der für Anfänger entwickelt wurde. Lernen Sie essentielle Konzepte wie Datentypen, Kontrollstrukturen, Funktionen, Module und Datenstrukturen durch interaktive Labs und praktische Herausforderungen. Ideal für alle, die ihre Python-Programmierreise beginnen.

Überwachtes Lernen. Wenn Sie diesen Begriff zum ersten Mal hören oder lesen, ist es möglicherweise völlig unklar, was er bedeutet. Machen Sie sich keine Sorgen. In diesem Lab erhalten Sie ein umfassendes Verständnis von überwachtem Lernen. Und im nächsten Kapitel des Experiments lernen Sie, wie Sie überwachtes Lernen nutzen, um Datenvorhersagen durchzuführen.

In diesem Kurs werden wir weiterhin eine andere wichtige Anwendung im überwachten Lernen kennenlernen - die Lösung von Klassifikationsproblemen. In den folgenden Lektionen werden Sie sich mit den folgenden Themen vertraut machen: Logistische Regression, K-Nächste-Nachbarn-Algorithmus, Naive-Bayes-Klassifikator, Support-Vektor-Maschine, Perzeptron und künstliche neuronale Netzwerke, Entscheidungsbäume und Random Forests sowie Bagging- und Boosting-Methoden. Der Kurs beginnt mit dem Prinzip jeder dieser Methoden. Sie sollten die Implementierung vollständig verstehen.

In diesem Kurs werden Sie das unüberwachte Lernen vollständig verstehen und lernen, es zur Durchführung von Datenclustering zu nutzen.

In diesem Kurs lernen Sie die grundlegenden Konzepte des Deep Learnings kennen, einschließlich der Grundprinzipien von neuronalen Netzen, der Grundlagen von TensorFlow, Keras und PyTorch sowie der Grundlagen der linearen Regression, logistischen Regression und mehrschichtigen neuronalen Netze. Sie werden auch erfahren, wie Sie mit TensorFlow, Keras und PyTorch ein lineares Regressionsmodell, ein logistisches Regressionsmodell und ein mehrschichtiges neuronales Netzmodell erstellen können.

Dieser umfassende Kurs behandelt die grundlegenden Konzepte und praktischen Techniken von Scikit-learn, der unverzichtbaren Machine-Learning-Bibliothek in Python. Lernen Sie, Machine-Learning-Modelle mit verschiedenen Algorithmen und Vorverarbeitungstechniken zu erstellen, zu trainieren und zu bewerten.

In diesem Kurs lernen Sie die grundlegenden Konzepte und die Syntax von TensorFlow 2 sowie, wie Sie TensorFlow 2 nutzen können, um Deep-Learning-Algorithmen zu implementieren.

In diesem Kurs lernen Sie die Grundlagen von OpenCV. Sie erfahren, wie Sie Bilder und Videos lesen, schreiben und anzeigen können. Sie lernen auch, wie Sie verschiedene Formen auf Bildern und Videos zeichnen können.