Opret modeller til maskinel indlæring

  • Læringsforløb
  • 5 Moduler

Hurtigt overblik

Maskinel indlæring er grundlaget for forudsigende modellering og kunstig intelligens. Få mere at vide om nogle af kerneprincipperne for maskinel indlæring, og hvordan du bruger almindelige værktøjer og strukturer til at oplære, evaluere og bruge modeller til maskinel indlæring.

Forudsætninger

Dette læringsforløb forudsætter viden om grundlæggende matematiske begreber. Nogle erfaringer med Python er også gavnligt.

Moduler i dette læringsforløb

Udforsk og analysér data med Python

Dataudforskning og -analyse er kernen i datavidenskaben. Datateknikere kræver færdigheder i programmeringssprog som Python for at udforske, visualisere og manipulere data.

Oplær og evaluer regressionsmodeller

Regression er en almindeligt brugt type maskinel indlæring til forudsigelse af numeriske værdier.

Oplær og evaluer klassificeringsmodeller

Klassificering er en form for maskinel indlæring, der bruges til at kategorisere elementer i klasser.

Oplær og evaluer klyngemodeller

Klynger er en type maskinel indlæring, der bruges til at gruppere lignende elementer i klynger.

Oplær og evaluer modeller til dyb læring

Dyb læring er en avanceret form for maskinel indlæring, der emulerer den måde, den menneskelige hjerne lærer gennem netværk af forbundne neuroner.

Start