Machine Learning Specialization Coursera

Kurs zur Spezialisierung auf maschinelles Lernen

Enthält Lösungen und Hinweise für die Spezialisierung auf maschinelles Lernen von Andrew NG auf Coursera

Hinweis: Wenn Sie ein tieferes Verständnis der Konzepte erlangen möchten, indem Sie die gesamte erforderliche Mathematik verstehen, werfen Sie einen Blick auf Mathematik für maschinelles Lernen und Datenwissenschaft

---

Kurs 1: Überwachtes maschinelles Lernen: Regression und Klassifizierung

• Woche 1

• Modelldarstellung

• Kostenfunktion

• Gefälleabstieg

• Übungsquiz: Regression

• Übungsquiz: Überwachtes vs. unbeaufsichtigtes Lernen

• Übungsquiz: Trainieren Sie das Modell mit Gradientenabstieg

• Optionale Labore

• Woche 2

• Lineare Regression

• Numpy-Vektorisierung

• Multivariate Regression

• Funktionsskalierung

• Feature-Engineering

• Sklearn-Gradientenabstieg

• Sklearn-Normalmethode

• Übungsquiz: Gefälleabstieg in der Praxis

• Übungsquiz: Multiple lineare Regression

• Optionale Labore

• Programmieraufgabe

• Woche 3

• Logistische Regression

• Einstufung

• Sigmoidfunktion

• Entscheidungsgrenze

• Logistischer Verlust

• Kostenfunktion

• Gefälleabstieg

• Scikit Learn – Logistische Regression

• Überanpassung

• Regularisierung

• Übungsquiz: Kostenfunktion für die logistische Regression

• Übungsquiz: Gradientenabstieg für logistische Regression

• Optionale Labore

• Programmieraufgabe

Abschlusszertifikat

Kurs 2: Fortgeschrittene Lernalgorithmen

• Woche 1

  
  

• Neuronale Netze zur binären Klassifizierung

• Neuronen und Schichten

• Kaffeerösten

• Kaffeerösten mit Numpy

• Übungsquiz: Intuition neuronaler Netze

• Übungsquiz: Neuronales Netzwerkmodell

• Übungsquiz: TensorFlow-Implementierung

• Übungsquiz: Implementierung neuronaler Netze in Numpy

• Optionale Labore

• Programmieraufgabe

• Woche 2

• Neuronale Netze zur handschriftlichen Ziffernerkennung – Multiclass

• RElu

• Softmax

• Mehrklassenklassifizierung

• Übungsquiz: Training neuronaler Netze

• Übungsquiz: Aktivierungsfunktionen

• Übungsquiz: Multiklassenklassifizierung

• Übungsquiz: Zusätzliche Konzepte für neuronale Netze

• Optionale Labore

• Programmieraufgabe

• Woche 3

• Ratschläge für angewandtes maschinelles Lernen

• Übungsquiz: Ratschläge zur Anwendung von maschinellem Lernen

• Übungsquiz: Bias und Varianz

• Übungsquiz: Entwicklungsprozess für maschinelles Lernen

• Programmieraufgabe

• Woche 4

• Entscheidungsbäume

• Übungsquiz: Entscheidungsbäume

• Übungsquiz: Entscheidungsbäume lernen

• Übungsquiz: Entscheidungsbaum-Ensembles

• Programmieraufgabe

Abschlusszertifikat

Kurs 3: Unüberwachtes Lernen, Empfehlungen, verstärkendes Lernen

• Woche 1

• K bedeutet

• Anomalieerkennung

• Übungsquiz: Clustering

• Übungsquiz: Anomalieerkennung

• Programmieraufgaben

• Woche 2

• Kollaborative Filterung RecSys

• RecSys nutzt neuronale Netze

• Übungsquiz: Kollaboratives Filtern

• Übungsquiz: Implementierung von Empfehlungssystemen

• Übungsquiz: Inhaltsbasierte Filterung

• Programmieraufgaben

• Woche 3

• Deep Q-Learning – Mondlander

• Übungsquiz: Einführung in das verstärkende Lernen

• Übungsquiz: Zustandsaktionswertfunktion

• Übungsquiz: Kontinuierliche Zustandsräume

• Programmieraufgabe

Abschlusszertifikat

Spezialisierungszertifikat

Sterngucker im Laufe der Zeit

Kursrückblick:

Dieser Kurs ist der beste Weg, ein Ingenieur für maschinelles Lernen zu werden. Selbst wenn Sie ein Experte sind, werden viele Algorithmen ausführlich behandelt, z. B. Entscheidungsbäume, die bei der weiteren Verbesserung Ihrer Fähigkeiten hilfreich sein können.

Besonderer Dank geht an Professor Andrew Ng für die Strukturierung und Anpassung dieses Kurses.

---

Ein Einblick in das, was Sie am Ende dieser Spezialisierung erreichen können:

• Schreiben Sie einen unbeaufsichtigten Lernalgorithmus, um die Mondlandefähre mithilfe von Deep Q-Learning zu landen

• Nach vielen erfolglosen Versuchen, dies zu erlernen, wurde dem Rover beigebracht, richtig auf der Oberfläche zu landen, und zwar genau zwischen den Flaggen als Indikatoren.

• Die endgültige Landung nach dem Training des Agenten mithilfe geeigneter Parameter:

lunar_lander.mp4

• Schreiben Sie einen Algorithmus für ein Filmempfehlungssystem

• Eine Filmdatenbank wird basierend auf ihrem Genre zusammengestellt.

• Ein inhaltsbasierter Filter- und kollaborativer Filteralgorithmus wird trainiert und das Filmempfehlungssystem implementiert.

• Es gibt Filmempfehlungen basierend auf dem Filmgenre.

• Und noch viel mehr!!

Abschließend kann ich sagen, dass es sich um einen Kurs handelt, den ich jedem empfehlen würde. Nicht nur, weil man viele neue Dinge lernt, sondern auch, weil die Aufgaben Beispiele aus dem wirklichen Leben sind und es spannend ist, sie zu lösen .

Viel Spaß beim Lernen :))