Weiter zum Inhalt
Startseite

Kurse zum maschinellen Lernen

In den Kursen zum maschinellen Lernen werden Algorithmen und Konzepte behandelt, die es Computern ermöglichen, aus Daten zu lernen und Entscheidungen ohne explizite Programmierung zu treffen. Baue deine Fähigkeiten in NLP, Deep Learning, MLOps und mehr aus.

Kostenloses Konto erstellen

Mit Google fortfahrenWeitere Optionen anzeigen

oder

Durch Klick auf die Schaltfläche akzeptierst du unsere Nutzungsbedingungen, unsere Datenschutzrichtlinie und die Speicherung deiner Daten in den USA.
Group

Training für 2 oder mehr Personen?

Probiere es mit DataCamp for Business

Empfohlen für Machine Learning Anfänger

Baue deine Machine Learning-Fähigkeiten mit interaktiven Kursen auf, die von Experten aus der Praxis kuratiert werden.

Kurs

Machine Learning verstehen

BasicSchwierigkeitsgrad
4.8+
12.536 Wiederholungen
2 Std.
In diesem Kurs lernst du das spannende Themenfeld des maschinellen Lernens kennen – und du benötigst dafür gar keine Programmierkenntnisse.

Lernpfad

Grundlagen des maschinellen Lernens in Python

4.5+
9 Wiederholungen
16 Std.
Lerne die Kunst des Machine Learning und werde zum Profi in Sachen Vorhersagen, Mustererkennung sowie den Grundlagen von Deep Learning und Reinforcement Learning.

Nicht sicher, wo du anfangen sollst?

Nimm an einem Assessment teil

Erkunde Maschinelles Lernen Kurse und Lernpfade

Kurs

Überwachtes Lernen mit scikit-learn

MittelSchwierigkeitsgrad
4.8+
9.835 Wiederholungen
4 Std.
In diesem interaktiven Kurs mit realen Datensätzen lernst du, mithilfe von scikit-learn in Python leistungsstarke Vorhersagen zu erstellen.

Kurs

Machine Learning verstehen

BasicSchwierigkeitsgrad
4.8+
12.536 Wiederholungen
2 Std.
In diesem Kurs lernst du das spannende Themenfeld des maschinellen Lernens kennen – und du benötigst dafür gar keine Programmierkenntnisse.

Kurs

Unsupervised Learning in Python

MittelSchwierigkeitsgrad
4.8+
1.258 Wiederholungen
4 Std.
Nutze scikit-learn und scipy, um unbeschriftete Daten zu clustern, zu transformieren, zu visualisieren und in Erkenntnisse zu überführen.

Kurs

MLOps-Konzepte

MittelSchwierigkeitsgrad
4.8+
3.096 Wiederholungen
2 Std.
Hier erfährst du, wie du ML-Modelle in den Produktivbetrieb überführst, um einen echten Business Value zu schaffen.

Kurs

Maschinelles Lernen für Unternehmen

BasicSchwierigkeitsgrad
4.8+
1.924 Wiederholungen
2 Std.
Hier erhältst du praxisrelevante Einblicke ins maschinelle Lernen und wie es in der Geschäftswelt eingesetzt wird.

Kurs

Lineare Klassifikatoren in Python

MittelSchwierigkeitsgrad
4.8+
372 Wiederholungen
4 Std.
In diesem Kurs lernst du die Details linearer Klassifikatoren wie logistische Regression und SVM kennen.

Kurs

Einführung in MLflow

ExperteSchwierigkeitsgrad
4.7+
924 Wiederholungen
4 Std.
Lernen Sie, MLflow zur Vereinfachung von Machine-Learning-Anwendungen zu nutzen. Entdecken Sie Tracking.

Kurs

End-to-End Machine Learning

MittelSchwierigkeitsgrad
4.7+
419 Wiederholungen
4 Std.
Dieser Kurs führt dich ein in die Welt des maschinellen Lernens und zeigt, wie du End-to-End-Modelle entwirfst, trainierst und einsetzt.

Kurs

Bildverarbeitung mit Python

MittelSchwierigkeitsgrad
4.8+
230 Wiederholungen
4 Std.
Lerne, Bilder nach Belieben zu verarbeiten, zu transformieren und zu manipulieren.

Kurs

MLOps-Bereitstellung und Lebenszyklus

ExperteSchwierigkeitsgrad
4.7+
1.056 Wiederholungen
4 Std.
In diesem Kurs lernst du das moderne MLOps-Framework kennen und beschäftigst dich mit dem Lebenszyklus und der Bereitstellung von Machine-Learning-Modellen.

Kurs

Extreme Gradient Boosting mit XGBoost

MittelSchwierigkeitsgrad
4.8+
292 Wiederholungen
4 Std.
Grundlagen von Gradient Boosting lernen und mit XGBoost moderne Machine Learning-Modelle für Klassifikation und Regression bauen.

Kurs

Cluster Analysis in Python

MittelSchwierigkeitsgrad
4.7+
1.136 Wiederholungen
4 Std.
In diesem Kurs über unüberwachtes Lernen wendest du Techniken wie hierarchisches und k-Means-Clustering mit der SciPy-Bibliothek an.

Kurs

Modellvalidierung in Python

MittelSchwierigkeitsgrad
4.8+
1.059 Wiederholungen
4 Std.
Du lernst die Grundlagen der Modellvalidierung sowie Validierungstechniken und erstellst erste validierte und leistungsstarke Modelle.

Kurs

Überwachtes Lernen in R: Regression

MittelSchwierigkeitsgrad
4.6+
110 Wiederholungen
4 Std.
In diesem Kurs lernst du, zukünftige Ereignisse mit linearer Regression, generalisierten additiven Modellen, Random Forests und xgboost vorherzusagen.

Kurs

CI/CD für Machine Learning

ExperteSchwierigkeitsgrad
4.7+
475 Wiederholungen
5 Std.
In diesem Kurs tauchen wir tief ein in CI/CD für Machine Learning und nutzen dafür GitHub Actions und Data Version Control.

Kurs

ML-Modelle für den Produktionseinsatz entwickeln

MittelSchwierigkeitsgrad
4.7+
559 Wiederholungen
4 Std.
Wechsel zu einer MLOps-Denkweise, mit der du deine Machine-Learning-Modelle trainieren, dokumentieren, pflegen und auf ihr volles Potenzial skalieren kannst.

Kurs

Dimensionsreduktion in Python

MittelSchwierigkeitsgrad
4.8+
1.001 Wiederholungen
4 Std.
Du entwickelst ein Verständnis für Dimensionsreduktion und setzt bewährte Methoden dazu in Python um.

Kurs

Überwachung von Machine-Learning-Konzepten

MittelSchwierigkeitsgrad
4.8+
601 Wiederholungen
2 Std.
Dieser Kurs macht dich vertraut mit den Herausforderungen bei der Überwachung von Machine-Learning-Modellen im Produktivbetrieb.

Kurs

Maschinelles Lernen für Finanzen in Python

MittelSchwierigkeitsgrad
4.8+
255 Wiederholungen
4 Std.
Lerne, Aktienkursdaten mit linearen Modellen, Entscheidungsbäumen, Random Forests und neuronalen Netzen zu modellieren und vorherzusagen.

Kurs

Hyperparameter-Tuning in Python

MittelSchwierigkeitsgrad
4.8+
906 Wiederholungen
4 Std.
Hier lernst du Methoden zur automatischen Hyperparameter-Optimierung in Python kennen, wie zum Beispiel Grid, Random und Informed Search.

Kurs

Maschinelles Lernen mit PySpark

ExperteSchwierigkeitsgrad
4.8+
800 Wiederholungen
4 Std.
Erstelle datenbasierte Vorhersagen mit Apache Spark und Entscheidungsbäumen, logistischer oder linearer Regression, Ensembles und Pipelines.

Kurs

ARIMA-Modelle in Python

ExperteSchwierigkeitsgrad
4.8+
462 Wiederholungen
4 Std.
Im Fokus dieses Kurses stehen ARIMA-Modelle in Python und der sichere Umgang mit Zeitreihenanalysen.

Kurs

Vollautomatisiertes MLOps

MittelSchwierigkeitsgrad
4.8+
403 Wiederholungen
4 Std.
Lerne mehr über MLOps-Architektur, CI/CD/CM/CT-Techniken und Automatisierungsmuster, um ML-Systeme einzusetzen, die langfristig einen Mehrwert bieten.

Kurs

Stimmungsanalyse in Python

MittelSchwierigkeitsgrad
4.8+
491 Wiederholungen
4 Std.
Sind Menschen von deinen Produkten begeistert oder lässt dein Service zu wünschen übrig? Zeit für eine gründliche Stimmungsanalyse.

Kurs

Feature Engineering für NLP in Python

MittelSchwierigkeitsgrad
4.8+
163 Wiederholungen
4 Std.
Techniken lernen, um nützliche Informationen aus Texten zu extrahieren und sie in ein für Machine Learning geeignetes Format zu verarbeiten.

Bist du bereit, deine Fähigkeiten einzusetzen?

Projekte ermöglichen es dir, dein Wissen auf eine breite Palette von Datensätzen anzuwenden, um reale Probleme in deinem Browser zu lösen

    Häufig gestellte Fragen

    Ist maschinelles Lernen einfach zu lernen?

    Die DataCamp-Einsteigerkurse für maschinelles Lernen machen viel Spaß und bieten eine hervorragende Grundlage für maschinelles Lernen, um deine Karriere oder dein Unternehmen voranzubringen. Innerhalb weniger Wochen wirst du in der Lage sein, Modelle zu erstellen und Vorhersagen und Erkenntnisse zu gewinnen. Außerdem erlernst du Grundkenntnisse in Python und R sowie die Grundlagen der künstlichen Intelligenz.

    Danach wird die Lernkurve ein bisschen steiler. Karrieren im Bereich des maschinellen Lernens erfordern ein tieferes Verständnis von Statistik, Mathematik und Softwaretechnik, die alle auf dem DataCamp erlernt werden können.

    Wofür wird maschinelles Lernen eingesetzt?

    Kurz gesagt ist maschinelles Lernen eine Art der künstlichen Intelligenz, deren Algorithmen bei der Erfassung von Daten analytische Modelle erstellen und Vorhersagen mit wenig oder gar keinem menschlichen Eingriff treffen.

    Es ist schwierig, eine Branche zu finden, in der maschinelles Lernen nicht eingesetzt wird. Marketingfachleute nutzen zum Beispiel maschinelles Lernen, um die Rendite von Marketingkampagnen vorherzusagen. Ebenso nutzen Einkaufsabteilungen maschinelles Lernen, um den benötigten Bestand vorherzusagen.

    Unternehmen aller Art nutzen maschinelles Lernen, um Kundenverhalten vorherzusagen, Lieferketten abzubilden und Umsätze zu prognostizieren. Maschinelles Lernen wird eingesetzt, um Gesundheitsergebnisse vorherzusagen und die Patientenzufriedenheit zu verbessern. Maschinelles Lernen hilft Wissenschaftlern, Szenarien für den Klimawandel zu modellieren, einschließlich möglicher Lösungen.

    Genauer gesagt wird maschinelles Lernen in intelligenten Geräten, Suchmaschinen und Streaming-Diensten eingesetzt (wenn Netflix dir eine Serie oder einen Film vorschlägt, der auf deinem Fernsehverhalten basiert, ist das maschinelles Lernen).

    Welche Jobs kannst du mit Kenntnissen über maschinelles Lernen bekommen?

    Fähigkeiten im Bereich des maschinellen Lernens sind in der Programmierung, in der Datenwissenschaft und in anderen Bereichen der Computertechnik wertvoll. Außerdem ist maschinelles Lernen ein Muss für jeden, der in der Robotik arbeiten will!

    Nicht alle Berufe, die maschinelles Lernen erfordern, sind jedoch im technischen Bereich angesiedelt. Linguisten nutzen zum Beispiel maschinelles Lernen, um die sich ständig verändernden Sprachen und Dialekte zu verfolgen. Darüber hinaus benötigen Unternehmensabteilungen wie Marketing, Buchhaltung, Logistik und Einkauf, um nur einige zu nennen, zunehmend Experten für maschinelles Lernen, um fundierte Geschäftsentscheidungen treffen zu können. Kenntnisse im Bereich des maschinellen Lernens können dir in fast jeder Position einen Vorsprung verschaffen, denn Modellierung und Vorhersage sind geschäftskritische Anforderungen.

    Sind Fähigkeiten im maschinellen Lernen gefragt?

    Ja, Fähigkeiten im maschinellen Lernen sind sehr gefragt. Einem Bericht des Weltwirtschaftsforums zufolge wird die Nachfrage nach KI- und ML-Spezialisten zwischen 2023 und 2027 voraussichtlich um 40 % steigen.

    Wie viel Mathe brauche ich, um einen Kurs in Maschinellem Lernen zu belegen?

    Wenn du ein grundlegendes Verständnis für Konzepte des maschinellen Lernens entwickeln willst, brauchst du nicht viel Mathematik. Wenn du tiefer eintauchen und maschinelles Lernen zu deinem Beruf machen willst (im Gegensatz zu einer Ergänzung zu deiner bestehenden Karriere), ist ein Grundwissen in Statistik und Algebra hilfreich. Wenn du keinen mathematischen Hintergrund hast, ist das okay. Wir bringen dir alles bei, was du brauchst, und unsere Ausbilder sind viel weniger furchteinflößend als dein Mathelehrer in der Schule.

    Muss ich Software für maschinelles Lernen herunterladen, um auf dem DataCamp zu lernen?

    Du musst nichts herunterladen, um mit DataCamp zu lernen. Alle Tools, die wir verwenden, sind webbasiert.

    Weitere Technologien und Themen

    Technologien

    Themen

    Erweitere deine Datenkompetenzen mit DataCamp for Mobile

    Mach Fortschritte unterwegs – mit unseren mobilen Kursen und den täglichen 5-minütigen Coding-Challenges.

    Download on the App StoreGet it on Google Play