Über diesen Kurs
8,629,068 recent views

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Ca. 55 Stunden zum Abschließen

Englisch

Untertitel: Chinesisch (vereinfacht), Englisch, Hebräisch, Spanisch, Hindi, Japanisch...

Kompetenzen, die Sie erwerben

Logistic RegressionArtificial Neural NetworkMachine Learning (ML) AlgorithmsMachine Learning

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Ca. 55 Stunden zum Abschließen

Englisch

Untertitel: Chinesisch (vereinfacht), Englisch, Hebräisch, Spanisch, Hindi, Japanisch...

Lehrplan - Was Sie in diesem Kurs lernen werden

Woche
1
2 Stunden zum Abschließen

Introduction

Welcome to Machine Learning! In this module, we introduce the core idea of teaching a computer to learn concepts using data—without being explicitly programmed. The Course Wiki is under construction. Please visit the resources tab for the most complete and up-to-date information.

...
5 Videos (Gesamt 42 min), 9 Lektüren, 1 Quiz
5 Videos
Supervised Learning12m
Unsupervised Learning14m
9 Lektüren
Machine Learning Honor Code8m
What is Machine Learning?5m
How to Use Discussion Forums4m
Supervised Learning4m
Unsupervised Learning3m
Who are Mentors?3m
Get to Know Your Classmates8m
Frequently Asked Questions11m
Lecture Slides20m
1 praktische Übungen
Introduction10m
2 Stunden zum Abschließen

Linear Regression with One Variable

Linear regression predicts a real-valued output based on an input value. We discuss the application of linear regression to housing price prediction, present the notion of a cost function, and introduce the gradient descent method for learning.

...
7 Videos (Gesamt 70 min), 8 Lektüren, 1 Quiz
7 Videos
Cost Function - Intuition II8m
Gradient Descent11m
Gradient Descent Intuition11m
Gradient Descent For Linear Regression10m
8 Lektüren
Model Representation3m
Cost Function3m
Cost Function - Intuition I4m
Cost Function - Intuition II3m
Gradient Descent3m
Gradient Descent Intuition3m
Gradient Descent For Linear Regression6m
Lecture Slides20m
1 praktische Übungen
Linear Regression with One Variable10m
2 Stunden zum Abschließen

Linear Algebra Review

This optional module provides a refresher on linear algebra concepts. Basic understanding of linear algebra is necessary for the rest of the course, especially as we begin to cover models with multiple variables.

...
6 Videos (Gesamt 61 min), 7 Lektüren, 1 Quiz
6 Videos
Matrix Matrix Multiplication11m
Matrix Multiplication Properties9m
Inverse and Transpose11m
7 Lektüren
Matrices and Vectors2m
Addition and Scalar Multiplication3m
Matrix Vector Multiplication2m
Matrix Matrix Multiplication2m
Matrix Multiplication Properties2m
Inverse and Transpose3m
Lecture Slides10m
1 praktische Übungen
Linear Algebra10m
Woche
2
3 Stunden zum Abschließen

Linear Regression with Multiple Variables

What if your input has more than one value? In this module, we show how linear regression can be extended to accommodate multiple input features. We also discuss best practices for implementing linear regression.

...
8 Videos (Gesamt 65 min), 16 Lektüren, 1 Quiz
8 Videos
Gradient Descent in Practice II - Learning Rate8m
Features and Polynomial Regression7m
Normal Equation16m
Normal Equation Noninvertibility5m
Working on and Submitting Programming Assignments3m
16 Lektüren
Setting Up Your Programming Assignment Environment8m
Access MATLAB Online and Upload the Exercise Files3m
Installing Octave on Windows3m
Installing Octave on Mac OS X (10.10 Yosemite and 10.9 Mavericks and Later)10m
Installing Octave on Mac OS X (10.8 Mountain Lion and Earlier)3m
Installing Octave on GNU/Linux7m
More Octave/MATLAB resources10m
Multiple Features3m
Gradient Descent For Multiple Variables2m
Gradient Descent in Practice I - Feature Scaling3m
Gradient Descent in Practice II - Learning Rate4m
Features and Polynomial Regression3m
Normal Equation3m
Normal Equation Noninvertibility2m
Programming tips from Mentors10m
Lecture Slides20m
1 praktische Übungen
Linear Regression with Multiple Variables10m
5 Stunden zum Abschließen

Octave/Matlab Tutorial

This course includes programming assignments designed to help you understand how to implement the learning algorithms in practice. To complete the programming assignments, you will need to use Octave or MATLAB. This module introduces Octave/Matlab and shows you how to submit an assignment.

...
6 Videos (Gesamt 80 min), 1 Lektüre, 2 Quiz
6 Videos
Plotting Data9m
Control Statements: for, while, if statement12m
Vectorization13m
1 Lektüren
Lecture Slides10m
1 praktische Übungen
Octave/Matlab Tutorial10m
Woche
3
2 Stunden zum Abschließen

Logistic Regression

Logistic regression is a method for classifying data into discrete outcomes. For example, we might use logistic regression to classify an email as spam or not spam. In this module, we introduce the notion of classification, the cost function for logistic regression, and the application of logistic regression to multi-class classification.

...
7 Videos (Gesamt 71 min), 8 Lektüren, 1 Quiz
7 Videos
Cost Function10m
Simplified Cost Function and Gradient Descent10m
Advanced Optimization14m
Multiclass Classification: One-vs-all6m
8 Lektüren
Classification2m
Hypothesis Representation3m
Decision Boundary3m
Cost Function3m
Simplified Cost Function and Gradient Descent3m
Advanced Optimization3m
Multiclass Classification: One-vs-all3m
Lecture Slides10m
1 praktische Übungen
Logistic Regression10m
4 Stunden zum Abschließen

Regularization

Machine learning models need to generalize well to new examples that the model has not seen in practice. In this module, we introduce regularization, which helps prevent models from overfitting the training data.

...
4 Videos (Gesamt 39 min), 5 Lektüren, 2 Quiz
4 Videos
Regularized Logistic Regression8m
5 Lektüren
The Problem of Overfitting3m
Cost Function3m
Regularized Linear Regression3m
Regularized Logistic Regression3m
Lecture Slides10m
1 praktische Übungen
Regularization10m
Woche
4
5 Stunden zum Abschließen

Neural Networks: Representation

Neural networks is a model inspired by how the brain works. It is widely used today in many applications: when your phone interprets and understand your voice commands, it is likely that a neural network is helping to understand your speech; when you cash a check, the machines that automatically read the digits also use neural networks.

...
7 Videos (Gesamt 63 min), 6 Lektüren, 2 Quiz
7 Videos
Model Representation II11m
Examples and Intuitions I7m
Examples and Intuitions II10m
Multiclass Classification3m
6 Lektüren
Model Representation I6m
Model Representation II6m
Examples and Intuitions I2m
Examples and Intuitions II3m
Multiclass Classification3m
Lecture Slides10m
1 praktische Übungen
Neural Networks: Representation10m
4.9
26502 BewertungenChevron Right

40%

nahm einen neuen Beruf nach Abschluss dieser Kurse auf

38%

ziehen Sie für Ihren Beruf greifbaren Nutzen aus diesem Kurs

Top reviews from Maschinelles Lernen

von WZApr 3rd 2018

Very nice course,. Give a fundamental knowledge of machine learning in a clear, logic and easy-to-understand way. Suitable for those who has relatively weak background of math and statistics to learn.

von MLAug 19th 2017

Very helpful and easy to learn. The quiz and programming assignments are well designed and very useful. Thank Prof. Andrew Ng and coursera and the ones who share their problems and ideas in the forum.

Dozenten

Avatar

Andrew Ng

CEO/Founder Landing AI; Co-founder, Coursera; Adjunct Professor, Stanford University; formerly Chief Scientist,Baidu and founding lead of Google Brain

Über Stanford University

The Leland Stanford Junior University, commonly referred to as Stanford University or Stanford, is an American private research university located in Stanford, California on an 8,180-acre (3,310 ha) campus near Palo Alto, California, United States....

Häufig gestellte Fragen

  • Sobald Sie sich für ein Zertifikat angemeldet haben, haben Sie Zugriff auf alle Videos, Quizspiele und Programmieraufgaben (falls zutreffend). Aufgaben, die von anderen Kursteilnehmern bewertet werden, können erst dann eingereicht und überprüft werden, wenn Ihr Unterricht begonnen hat. Wenn Sie sich den Kurs anschauen möchten, ohne ihn zu kaufen, können Sie womöglich auf bestimmte Aufgaben nicht zugreifen.

  • Wenn Sie ein Zertifikat erwerben, erhalten Sie Zugriff auf alle Kursmaterialien, einschließlich bewerteter Aufgaben. Nach Abschluss des Kurses wird Ihr elektronisches Zertifikat zu Ihrer Seite „Errungenschaften“ hinzugefügt – von dort können Sie Ihr Zertifikat ausdrucken oder es zu Ihrem LinkedIn Profil hinzufügen. Wenn Sie nur lesen und den Inhalt des Kurses anzeigen möchten, können Sie kostenlos als Gast an dem Kurs teilnehmen.

Haben Sie weitere Fragen? Besuchen Sie das Hilfe-Center für Teiln..