77 Sproochen
English
Français
Español
Deutsch
Italiano
中文
हिंदी
العربية
Русский
Português
日本語
한국어
Türkçe
Polski
Nederlands
Magyar
Čeština
Svenska
Norsk
Dansk
Kiswahili
ไทย
বাংলা
فارسی
Tiếng Việt
Filipino
Afrikaans
Shqip
Azərbaycanca
Беларуская
Bosanski
Български
Hrvatski
Eesti
Suomi
ქართული
Kreyòl Ayisyen
Hawaiian
Bahasa Indonesia
Gaeilge
Қазақша
Lietuvių
Luganda
Lëtzebuergesch
Македонски
Melayu
Malti
Монгол
မြန်မာ
Norsk
فارسی
ਪੰਜਾਬੀ
Română
Samoan
संस्कृतम्
Српски
Sesotho
ChiShona
سنڌي
Slovenčina
Slovenščina
Soomaali
Basa Sunda
Kiswahili
Svenska
Тоҷикӣ
Татарча
ትግርኛ
Xitsonga
اردو
ئۇيغۇرچە
Oʻzbek
Cymraeg
Xhosa
ייִדיש
Yorùbá
Zulu
Léiermodus
10 Modules / ~100 Säiten
Wizard Modus
~25 Modules / ~400 Säiten
🎓
Erstellt en Event
Maschinn Léieren
( 24 Modules )
Modul #1
Introduction to Machine Learning
Iwwersview of Machine Learning, Type of Machine Learning, and Wichtegkeet vum Machine Learning
Modul #2
Mathematical Fundamenter
Linear Algebra, Berechnung, Probabilitéit a Statistiken
Modul #3
Date Preprocessing
Datenreinigung, Featureskaléierung, Normaliséierung a Featureauswiel
Modul #4
Supervised Learning
Aféierung an iwwerwaacht Léieren, Regressioun a Klassifikatioun
Modul #5
Linear Regressioun
Einfach a multiple linear Regressioun, Käschten Funktioun, a Gradient Ofstamung
Modul #6
Logistesch Regressioun
Logistesch Regressioun, Sigmoidfunktioun a Käschtefunktioun
Modul #7
Decision Trees
Aféierung an Entscheedungsbeem, Entropie an Informatiounsgewënn
Modul #8
Zoufälleg Bëscher
Ensembleléieren, zoufälleg Bëscher, an Hyperparametertuning
Modul #9
Support Vector Machines
Aféierung zu SVMs, Kernel Trick, a Soft Margin SVMs
Modul #10
Unsupervised Learning
Aféierung fir net iwwerwaacht Léieren, Clustering, an Dimensiounsreduktioun
Modul #11
K-Means Clustering
K-heeschen Clustering Algorithmus, Käschtefunktioun, a Lloyds Algorithmus
Modul #12
Hierarchical Clustering
Hierarchical Clustering, agglomerative and divisive clustering
Modul #13
Principal Component Analysis
Aféierung zu PCA, Eigenwäerter, an Eigenvektoren
Modul #14
Deep Learning Fundamentals
Aféierung an Deep Learning, Neural Netzwierker a Perceptron
Modul #15
Convolutional Neural Networks
Aféierung an CNNs , Convolutional Schichten, a Poolschichten
Modul #16
Recurrent Neural Networks
Aféierung zu RNNs, LSTM, a GRU
Modul #17
Natural Language Processing
Aféierung an NLP, Text Preprocessing, and Word Embeddings
Modul #18
Modell Evaluatioun a Selektioun
Metrik fir Evaluatioun, Iwwerfitting, a Modellauswiel Techniken
Modul #19
Hyperparameter Tuning
Aféierung an Hyperparameter Tuning, Gitter Sich an zoufälleg Sich
Modul #20
Model Deployment
Maschinn Léieren Modeller z'installéieren, Modelldéngscht a Considératiounen
Modul #21
Ethik a Fairness am Machine Learning
Bias a Fairness in Machine Learning, Ethics, and Transparency
Modul #22
Case Studies in Machine Learning
Real- Weltapplikatioune vu Maschinnléieren, Fallstudien a Projeten
Modul #23
Fortgeschratt Themen am Machine Learning
Fortgeschratt Themen am Maschinnléieren, dorënner Verstäerkungsléieren a generativ Modeller
Modul #24
Cours Ofschloss & Conclusioun
Planung déi nächst Schrëtt an der Machine Learning Carrière
Prett ze léieren, ze deelen, a konkurréiere?
Maacht Ären Event elo
Sprooche Léierassistent
mat Stëmm Ënnerstëtzung
Hallo! Prett fir unzefänken? Loosst eis Äre Mikro testen.
▶
Start Nolauschteren
Copyright 2025 @ Wizape.com
All Rechter reservéiert
KONTAKTÉIERT EIS
PRIVACY POLITIK