Maschinelles Lernen & Künstliche Intelligenz in der Theorie
676 students enrolled
Maschinelles Lernen & Künstliche Intelligenz in der Theorie
Alles von neuronalen Netzen, Deep Learning, Support Vector Machines, Regression bis Clustering und mehr
676 students enrolled
Current price: $69.99
Original price: $99.99
Discount:
30% off
5 hours left at this price!
30-Day Money-Back Guarantee
This course includes
- 14 hours on-demand video
- 1 article
- Full lifetime access
- Access on mobile and TV
- Assignments
- Certificate of Completion
Training 5 or more people?
Get your team access to 4,000+ top Udemy courses anytime, anywhere.
Try Udemy for Business
What you'll learn
- viele verschiedene Techniken des Maschinellen Lernens anwenden und kombinieren
- zB neuronale Netze von null auf entwickeln
- bekannte Frameworks wie Tensorflow leichter verstehen und wissen, was sie tun
Course content
Expand all
112 lectures
14:12:48
+
–
Grundlagen
9 lectures
01:02:48
+
–
Instanzbasiertes Lernen
4 lectures
34:18
K-Nearest Neighbours
07:30
KNN: Mathematik
09:07
gewichteter KNN
09:09
Case-based Reasoning
08:32
Teste dich!
4 questions
+
–
Bayes Lernen
16 lectures
02:01:48
Einleitung
08:38
Das Bayes-Theorem
09:13
Die Maximum A Posteriori Hypothese
06:18
Konzeptlernen
08:16
Funktionslernen
07:38
Optimaler Bayes
07:09
Der Naive Bayes-Klassifikator
07:58
Schätzen von Werten
03:17
Bayes'sche Netze
07:45
Bedingte Unabhängigkeiten in Bayes'schen Netzen #1
06:37
Bedingte Unabhängigkeiten in Bayes'schen Netzen #2
06:54
D-Separation
06:12
Objektorientierte Probabilistisch Relationale Modelle OPRM
06:01
Parameterschätzung in OPRMs
07:41
Strukturbestimmung in OPRMs
08:40
Der EM-Algorithmus
13:31
Teste dich!
2 questions
+
–
Entscheidungsbäume
6 lectures
36:01
Einleitung
05:53
Der ID3-Algorithmus
09:49
Entropie und Informationsgewinn
06:40
Reduced Error Pruning
05:12
Attribute mit vielen Werten und kontinuierliche Werte
05:22
Random Forests
03:05
+
–
Markov Modelle
7 lectures
53:45
Diskrete Markov Modelle
06:48
Hidden Markov Modelle
05:27
Das Evaluationsproblem und der Forward-Backward-Algorithmus
09:13
Das Dekodierungsproblem und der Viterbi-Algorithmus
05:07
Der Baum-Welch-Algorithmus
13:14
Der Baum-Welch-Algorithmus #2
08:46
Typen von HMMs
05:10
+
–
Deduktives Lernen
3 lectures
18:24
Einleitung
04:15
Explanation Based Learning
07:06
Knowledge Based Neural Networks
07:03
+
–
Markov Logik Netze
4 lectures
30:10
Probabilistische Graphische Modelle
11:38
Markov Logik Netze
07:27
Der MAP-Algorithmus
05:00
Generatives Lernen
06:05
Requirements
- Mathematische Vorkenntnisse
- Abstraktes Denken
Description
In diesem Kurs lernst du, wie viele verschiedene Techniken des Maschinellen Lernens funktionieren. Du lernst, sie zu berechnen, zu entscheiden, wann welche Technik einzusetzen ist und was ihre Schwächen und Stärken sind.
Natürlich werden wir uns auch mit Deep Learning und neuronalen Netzen beschäftigen und die vielen Arten von Netzen und Techniken kennen lernen.
Who this course is for:
- Alle, die verstehen möchten, wie künstliche Intelligenzen funktionieren und lernen
- Alle, die ihre eigene Intelligenz entwickeln möchten