Direkt zum Inhalt
StartseitePython

Fähigkeitspfad

Überwachtes Machine Learning in Python

Beherrsche die beliebtesten Techniken des überwachten maschinellen Lernens, um Vorhersagen mit gelabelten Daten zu treffen.
Track Kostenlos Starten

Im Lieferumfang enthaltenPremium or Teams

Pythontopics.maschinellesLernen25 Stunden6 Kurse2 Projekte2,235Leistungsnachweis

Kostenloses Konto erstellen

GoogleLinkedInFacebook

oder

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

Trainierst du 2 oder mehr?

Versuchen DataCamp for Business

Beliebt bei Lernenden in Tausenden Unternehmen

Beschreibung des Lernpfades

Überwachtes Machine Learning in Python

Beherrsche die Grundlagen des überwachten maschinellen Lernens und entdecke, wie du mit markierten Daten Vorhersagen treffen kannst. Mach noch heute bei der ML Revolution mit! Wenn du neu im Bereich des maschinellen Lernens bist oder dich auf überwachtes maschinelles Lernen spezialisieren möchtest, ist dies der ideale Einstieg. Zu Beginn lernst du die wichtigsten Modelle des überwachten Lernens kennen und implementierst sie, z. B. K-Nearest Neighbors (KNN), logistische Regression, lineare Regression, Support Vector Machines (SVM) und baumbasierte Modelle mit der beliebten Bibliothek scikit-learn. Außerdem erfährst du, wie du modernste Algorithmen wie XGBoost nutzen kannst, um die Modellierungsleistung bei tabellarischen Datensätzen effizient zu steigern. Um das Beste aus deinen Modellen herauszuholen, lernst du verschiedene Techniken zur Abstimmung von Hyperparametern kennen und erfährst, wie du entscheidest, welche Technik du für deinen Anwendungsfall verwenden solltest. Zum Abschluss des Lernpfads bringst du dein Wissen über diese verschiedenen Modelle zusammen und lernst etwas über das Ensemble-Lernen, bei dem verschiedene Modelle kombiniert werden, um die Leistung zu verbessern und komplexere Probleme zu lösen. Am Ende des Kurses wirst du die wichtigsten Konzepte des überwachten maschinellen Lernens beherrschen und in der Lage sein, sie in Python anzuwenden.

Voraussetzungen

Es gibt keine Voraussetzungen für diesen Track

  • Course

    1

    Überwachtes Lernen mit scikit-learn

    "Verbessern Sie Ihre Machine-Learning-Fähigkeiten mit scikit-learn in Python. Nutzen Sie reale Datensätze!"

  • Project

    Bonus

    Predictive Modeling for Agriculture

    Dive into agriculture using supervised machine learning and feature selection to aid farmers in crop cultivation and solve real-world problems.

  • Course

    6

    Extreme Gradient Boosting with XGBoost

    Learn the fundamentals of gradient boosting and build state-of-the-art machine learning models using XGBoost to solve classification and regression problems.

  • Course

    8

    Ensemble Methods in Python

    Learn how to build advanced and effective machine learning models in Python using ensemble techniques such as bagging, boosting, and stacking.

Überwachtes Machine Learning in Python
6 Kurse
Track
abgeschlossen

Leistungsnachweis verdienen

Fügen Sie diese Anmeldeinformationen zu Ihrem LinkedIn-Profil, Lebenslauf oder Lebenslauf hinzu
Teilen Sie es in den sozialen Medien und in Ihrer Leistungsbeurteilung

Im Lieferumfang enthaltenPremium or Teams

Jetzt Anmelden

Machen Sie mit 15 Millionen Lernende und starten Sie Überwachtes Machine Learning in Python Heute!

Kostenloses Konto erstellen

GoogleLinkedInFacebook

oder

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