Einführung
Maschinelles Lernen ist in vielerlei Hinsicht der Schnittpunkt zweier Disziplinen, nämlich von Data Science und der Softwareentwicklung. Das Ziel des maschinellen Lernens besteht darin, anhand von Daten ein Vorhersagemodell zu erstellen, das mit einer Softwareanwendung oder einem Dienst integriert werden kann. Um dieses Ziel zu erreichen, bedarf es der Zusammenarbeit zwischen Data Scientists, die die Daten untersuchen und aufbereiten, bevor sie zum Trainieren eines Machine Learning-Modells verwendet werden, und Softwareentwickler*innen, die die Modelle mit Anwendungen integrieren, in denen sie zur Vorhersage neuer Datenwerte verwendet werden (ein Prozess, der als Rückschließen bezeichnet wird).
In diesem Modul untersuchen Sie einige der Kernkonzepte, auf denen maschinelles Lernen basiert, lernen, wie Sie verschiedene Arten von Machine Learning-Modellen identifizieren, und untersuchen, wie Machine Learning-Modelle trainiert und bewertet werden. Schließlich erfahren Sie, wie Sie mit Microsoft Azure Machine Learning ein Machine Learning-Modell trainieren und bereitstellen, ohne Code schreiben zu müssen.
Hinweis
Das maschinelle Lernen basiert auf mathematischen und statistischen Techniken, von denen einige in diesem Modul allgemein beschrieben werden. Machen Sie sich keine Sorgen, wenn Sie kein Matheprofi sind! Das Ziel des Moduls ist es, Ihnen zu helfen, ein Gefühl dafür zu erhalten, wie maschinelles Lernen funktioniert. Wir werden die Mathematik auf das Minimum beschränken, das zum Verständnis der Kernkonzepte erforderlich ist.