Nach diesen Kursen fühle ich mich sicher, professionelle Visualisierungen und Dashboards zu erstellen.
Shoebur RahmanBeschaffungsspezialist, Giz Bangladesh
Kursbeschreibung
Grundlagen des maschinellen Lernens
Dieser Kurs vermittelt Führungskräften die wichtigsten Aspekte des maschinellen Lernens. Wir beleuchten die wichtigsten Erkenntnisse und Best Practices darüber, wie sich Geschäftsfragen als Modellierungsprojekte mit Machine-Learning-Teams strukturieren lassen.
Tiefe Einblicke in Modelle
Du wirst die verschiedenen Modellarten kennenlernen und erfahren, welche Geschäftsfragen sie beantworten können und welche Möglichkeiten sie bieten. Außerdem lernst du, Situationen zu erkennen, in denen maschinelles Lernen NICHT geeignet ist. Du wirst den Unterschied zwischen Inferenz und Vorhersage sowie zwischen der Vorhersage von Wahrscheinlichkeiten und Mengen verstehen und lernen, wie du mit unüberwachtem Lernen eine sinnvolle Strategie zur Kundensegmentierung entwickeln kannst.
Voraussetzungen
Für diesen Kurs gibt es keine Voraussetzungen
Lernprogramm
Kursübersicht
1
Maschinelles Lernen und Datenanwendungsfälle
Maschinelles Lernen kommt in vielen verschiedenen Branchen und Bereichen zum Einsatz. Bei richtiger Anwendung kann es das Geschäft enorm voranbringen. In diesem Kapitel geht es um Anwendungsfälle für maschinelles Lernen, Jobrollen und wie sie in die Datenbedürfnispyramide passen.
- Maschinelles Lernen und Datenpyramide50 XP
- Begriffsklärung50 XP
- Ordnung in der Datenpyramide100 XP
- Aufgaben in der Datenpyramide zuordnen100 XP
- Grundsätze des maschinellen Lernens50 XP
- Modellarten50 XP
- Fälle für überwachtes und unüberwachtes ML100 XP
- Jobrollen, Tools und Technologien50 XP
- Jobrollen und ihre Aufgaben50 XP
- Datenprojekte mit Jobrollen verknüpfen100 XP
- Arten von Teamstrukturen100 XP
2
Arten des maschinellen Lernens
Dieses Kapitel gibt einen Überblick über verschiedene Arten des maschinellen Lernens. Wir beleuchten die Unterschiede zwischen Kausal- und Vorhersagemodellen, beschäftigen uns mit überwachtem und unüberwachtem Lernen und schauen uns schließlich die Unterarten des überwachten Lernens an: Klassifikation und Regression.
3
Geschäftsanforderungen und Modellentwurf
In diesem Kapitel wirst du die wichtigsten Schritte kennenlernen, um die Geschäftsanforderungen zu ermitteln, Möglichkeiten für maschinelles Lernen zu finden und zu bewerten, die Modellleistung zu prüfen und mögliche Leistungsrisiken im Prozess zu erkennen.
4
ML-Projektmanagement
In diesem Kapitel geh es um Best Practices sowie typische Fehler bei Machine-Learning-Projekten. Wir werfen einen Blick auf die häufigsten Fehler, lernen, wie die Kommunikation zwischen Business-Teams und ML-Teams am besten gelingt, und beschäftigen uns mit den Herausforderungen, die uns beim Einsatz von ML-Modellen im Produktivbetrieb begegnen können.
R
Maschinelles Lernen für Unternehmen
Kurs
abgeschlossen
