What you'll learn:
- Löse eigene Probleme mit dem Machine Learning
- Implementiere eigene Machine Learning Algorithmen
- Erstelle Modelle, die Krankheiten klassifizieren kann oder Hauspreise schätzen kann
- Beherrsche die Methoden des Machine Learning
- Verstehe das mathematische Konzept des Machine Learnings
- Verstehe die Grundlagen des Reinforcement Learning (AI)
Willkommen zu deinem Einstieg in die Welt des maschinellen Lernens – fundiert, praxisnah und zukunftssicher!
In diesem Kurs lernst du maschinelles Lernen (ML) nicht nur anzuwenden, sondern von Grund auf zu verstehen. Statt nur fertige Bibliotheken zu nutzen, entwickelst du viele Algorithmen selbst – damit du wirklich weißt, wie ML funktioniert. Schritt für Schritt, ohne unnötige Vereinfachungen.
Wir starten mit den Grundlagen: Was ist Machine Learning, wie funktioniert es – und warum ist es so entscheidend für moderne Technologie? Du bekommst ein solides Verständnis für die Mathematik hinter ML (Matrizen, Vektoren, Lineare Algebra) und lernst, wie du diese Theorie in praktische Anwendungen überträgst.
Im Zentrum stehen Supervised Learning (z. B. Regression, Support Vector Machines, neuronale Netze) und Unsupervised Learning (z. B. PCA, Clustering). Zusätzlich zeigen dir viele Praxisprojekte und Coding-Challenges, wie du ML mit scikit-learn, TensorFlow 2 und Keras professionell einsetzt.
Das erwartet dich im Kurs:
Verständliche Einführung in Machine Learning und seine Einsatzgebiete
Mathematische Grundlagen (Lineare Algebra, Statistik, Normalisierung, Vektoren etc.)
Supervised Learning: Lineare Regression, Entscheidungsbäume, SVM, neuronale Netze
Unsupervised Learning: Clustering, PCA & dimensionality reduction
Metriken, Evaluierung und Modelloptimierung
Praktische Einführung ins Deep Learning mit TensorFlow & Keras
Schrittweise Implementierung der Modelle – auch ohne sklearn
Starte jetzt deine ML-Reise – praxisnah, verständlich und auf dem neuesten Stand.
Wir sehen uns im Kurs!
Hinweis:
Python wird im Kurs mit Anaconda installiert. Alternativ ist auch eine Einrichtung über andere Quellen möglich.
