Online cursus – gecertificeerde professionele specialisatie in toegepast machine learning van Google

Verbeter uw vaardigheden op het gebied van machinaal leren met geavanceerde technieken voor het oplossen van praktische problemen op het gebied van gegevensverwerking, computervisie en neurale netwerken.

Suggested by: Coursera (What is Coursera?)

Professional Certificate

starten

No prior knowledge required

Time to complete the course

7-day free trial

No unnecessary risks

Skills you will acquire in the course

  • Praktische machine learning-vaardigheden
  • begeleid leren
  • netwerk methoden
  • Regressieanalyse
  • ongeleid leren
  • neurale netwerken
  • Beeldclassificatie
  • Gegevensattributen extraheren
  • Optimalisatie van modellen
  • Convolutionele neurale netwerken (CNN)
  • versterkend leren
  • Analyse vooraf
  • Het oplossen van echte datagedreven problemen
  • Praktische ervaring met Jupyter Notebook en PyTorch

What you will learn in the course

Courses for which the course is suitable

  • Gegevensingenieur
  • data-analist
  • Ontwikkelt machine learning-modellen
  • data wetenschapper
  • Expert in computervisie
  • Softwareontwikkelaar op het gebied van kunstmatige intelligentie
  • Onderzoeker op het gebied van machine learning
  • Voorspellende systeemanalist
  • Ontwikkelt geavanceerde prognoseoplossingen
  • Specialist in versterkend leren

Focus – een serie van 3 cursussen

Deze stage is bedoeld voor afgestudeerde studenten die praktische machine learning-vaardigheden willen ontwikkelen die op verschillende gebieden kunnen worden toegepast. Tijdens drie uitgebreide cursussen komen sleuteltechnieken aan bod zoals:

  • Begeleid leren
  • netwerk methoden
  • Regressieanalyse
  • ongeleid leren
  • neurale netwerken

De cursussen leggen de nadruk op praktisch leren en bieden de mogelijkheid om machinaal leren toe te passen op praktische problemen zoals:

  • Beeldclassificatie
  • Gegevensattributen extraheren
  • Optimalisatie van modellen

Verdiep u in geavanceerde onderwerpen zoals:

  • Convolutionele neurale netwerken (CNN)
  • versterkend leren
  • Analyse vooraf

Aan het einde van de stage ben je goed uitgerust om complexe uitdagingen op het gebied van machinaal leren aan te pakken op gebieden zoals computervisie en gegevensverwerking, waardoor je een waardevolle aanwinst bent in industrieën die geavanceerde voorspellende modellen nodig hebben.

Een praktisch leerproject

Tijdens deze stage werken leerlingen aan projecten uit de echte wereld, zoals het voorspellen van zelfmoordcijfers met behulp van Maccagel-datasets. Door machine learning-technieken toe te passen, kunnen leerlingen gegevens vastleggen, belangrijke kenmerken identificeren en voorspellende modellen ontwikkelen.

Ze zullen werken aan complexe uitdagingen, zoals het bepalen of classificatie- of regressiemodellen moeten worden gebruikt, en het kalibreren van machine learning-algoritmen om robuuste methodologieën voor variabelen te vinden.

Met behulp van tools als Jupyter Notebook en PyTorch zullen leerlingen praktijkervaring opdoen en een functioneel prototype creëren dat echte datagestuurde problemen oplost.

Details of the courses that make up the specialization

Praktisch machinaal leren: technieken en toepassingen

Cursus 1

19 uur

wat ga je leren

  • Machine learning-technieken begrijpen en toepassen op computervisietaken, inclusief beeldherkenning en objectherkenning.
  • Analyseer gegevensattributen en evalueer de prestaties van machine learning-modellen met behulp van geschikte statistieken en evaluatietechnieken.
  • Pas methoden voor gegevensvoorverwerking toe om gegevens op te schonen, te converteren en voor te bereiden voor het effectief trainen van een machine learning-model.
  • Toepassen en optimaliseren van begeleide leeralgoritmen voor classificatie- en regressietaken.

vaardigheden die je gaat verwerven

  • Voorverwerking van gegevens
  • functie techniek
  • Begeleid leren
  • praktische toepassing
  • Evaluatie van modellen

Geavanceerde methoden in machine learning-toepassingen

Cursus 2

19 uur

wat ga je leren

  • Begrijp en pas ensemblemethoden toe om de nauwkeurigheid en robuustheid van modellen te verbeteren door verschillende leeralgoritmen te combineren.
  • Ontdek geavanceerde regressietechnieken om continue resultaten te voorspellen en complexe relaties in gegevens te modelleren.
  • Pas onbewaakte leeralgoritmen toe voor clustering, dimensionaliteitsreductie en patroonherkenning in ongelabelde gegevens.
  • Begrijp en pas technieken van op versterking gebaseerd leren en apocriefe analyse toe voor besluitvorming en het zoeken naar associatieve wetten.

vaardigheden die je gaat verwerven

  • samenspel leren
  • Ongecontroleerd leren
  • versterkend leren
  • Epitheliale analyse
  • Geavanceerde regressietechnieken

Inzicht in neurale netwerken en modelregularisatie

Cursus 3

16 uur

wat ga je leren

  • Bouw neurale netwerken helemaal opnieuw en pas ze toe op echte datasets zoals MNIST.
  • Pas back-propagatie toe om neurale netwerkmodellen te optimaliseren en computationele grafieken te begrijpen.
  • Maak gebruik van regularisatie L1, L2, drop-out en snoeien om overfitting van modellen te verminderen.
  • Pas convolutionele neurale netwerken (CNN) en tensoren toe met behulp van PyTorch voor beeld- en audioverwerking.

vaardigheden die je gaat verwerven

  • Vaardigheid in PyTorch
  • Regularisatie technieken
  • Toepassing van neurale netwerken
  • Convolutionele neurale netwerken (CNN)
  • Controle achterafvoer