• für für Einzelpersonen
  • für Unternehmen
  • für für Hochschulen
  • für Behörden
Coursera
Anmelden
Kostenlose Teilnahme
Coursera
  • Blättern
  • Machine Learning

Machine Learning-Kurse Online

Finden Sie Machine Learning-Kurse, die Themen wie Algorithmen, Datenmodellierung und Künstliche Intelligenz abdecken. Bereiten Sie sich auf Karrieren in Datenwissenschaft, Forschung und IT vor.

Zu den Suchergebnissen springen

Filtern nach

Betreff
Erforderlich
 *

Sprache
Erforderlich
 *

Die im gesamten Kurs, sowohl für Anweisungen als auch Bewertungen, verwendete Sprache.

Lernprodukt
Erforderlich
 *

Erwerben Sie mit praktischen Tutorials praxisrelevante Kompetenzen in weniger als zwei Stunden.
Lernen Sie von Spitzenlehrkräften mit benoteten Aufgaben, Videos und Diskussionsforen.
Sie erlernen neue Tools oder Kompetenzen in einer interaktiven, praxisnahen Umgebung.
Erwerben Sie eingehende Kenntnisse in einem Fach, indem Sie eine Reihe von Kursen und Projekten abschließen.
Erwerben Sie Karrierereferenzen von Branchenführern, die Ihre Qualifikation belegen.
Erwerben Sie Karrierereferenzen, während Sie an Kursen für Ihren Masterabschluss teilnehmen.
Erwerben Sie Ihren Bachelor- oder Master-Abschluss online zu einem Bruchteil der Kosten eines Präsenzstudium.
Schließen Sie Kurse auf Hochschulniveau ab, ohne sich für ein ganzes Studium einzuschreiben.
Erwerben Sie eine von einer Universität ausgegebene Karrierereferenz in einem flexiblen, interaktiven Format.

Niveau
Erforderlich
 *

Dauer
Erforderlich
 *

Untertitel
Erforderlich
 *

Lehrkraft
Erforderlich
 *

Erkunden Sie den Machine Learning-Kurskatalog

  • Status: Kostenloser Testzeitraum
    Kostenloser Testzeitraum
    D
    S

    Mehrere Erzieher

    Maschinelles Lernen

    Kompetenzen, die Sie erwerben: Deep Learning, Python-Programmierung, Künstliche Intelligenz, Datenethik, Lernen mit Entscheidungsbäumen, Prädiktive Modellierung, Scikit Learn (Bibliothek für Maschinelles Lernen), Tensorflow, Maschinelles Lernen, Überwachtes Lernen, Klassifizierungs- und Regressionsbaum (CART), Unüberwachtes Lernen, NumPy, Künstliche Intelligenz und Maschinelles Lernen (KI/ML), Verantwortungsvolle KI, Feature Technik, Reinforcement Learning, Random Forest Algorithmus, Angewandtes maschinelles Lernen, Jupyter

    4,9
    Bewertung, 4,9 von 5 Sternen
    ·
    36.348 Bewertungen

    Anfänger · Spezialisierung · 1–3 Monate

  • Status: Kostenloser Testzeitraum
    Kostenloser Testzeitraum
    I

    IBM

    Maschinelles Lernen mit Python

    Kompetenzen, die Sie erwerben: Statistische Modellierung, Prädiktive Modellierung, Lernen mit Entscheidungsbäumen, Maschinelles Lernen, Überwachtes Lernen, Scikit Learn (Bibliothek für Maschinelles Lernen), Unüberwachtes Lernen, Angewandtes maschinelles Lernen, Regressionsanalyse, Klassifizierungs- und Regressionsbaum (CART), Feature Technik, Dimensionalitätsreduktion

    4,7
    Bewertung, 4,7 von 5 Sternen
    ·
    17.862 Bewertungen

    Mittel · Kurs · 1–3 Monate

  • Status: Neu
    Neu
    Status: Kostenloser Testzeitraum
    Kostenloser Testzeitraum
    C

    Coursera

    Foundations of Machine Learning

    Kompetenzen, die Sie erwerben: Supervised Learning, Unsupervised Learning, Time Series Analysis and Forecasting, Applied Machine Learning, Machine Learning Algorithms, Feature Engineering, Dimensionality Reduction, Machine Learning, Predictive Modeling, Predictive Analytics, Scikit Learn (Machine Learning Library), Forecasting, Data Processing, Anomaly Detection, Data Manipulation, Regression Analysis, Statistical Modeling, Data Transformation, Data Cleansing

    Mittel · Kurs · 1–4 Wochen

  • Status: Kostenloser Testzeitraum
    Kostenloser Testzeitraum
    I

    IBM

    IBM Maschinelles Lernen

    Kompetenzen, die Sie erwerben: Deep Learning, Datenverarbeitung, Datenanalyse, Prädiktive Modellierung, Python-Programmierung, Unüberwachtes Lernen, Überwachtes Lernen, Maschinelles Lernen, Statistische Inferenz, Statistische Hypothesentests, Algorithmen für maschinelles Lernen, Reinforcement Learning, Statistische Methoden, Generative Modellarchitekturen, Regressionsanalyse, Angewandtes maschinelles Lernen, Explorative Datenanalyse, Feature Technik, Dimensionalitätsreduktion

    Auf einen Abschluss hinarbeiten

    4,6
    Bewertung, 4,6 von 5 Sternen
    ·
    3343 Bewertungen

    Mittel · Berufsbezogenes Zertifikat · 3–6 Monate

  • Status: Neu
    Neu
    Status: Vorschau
    Vorschau
    P

    Packt

    Machine Learning with PyTorch and Scikit-Learn

    Kompetenzen, die Sie erwerben: Reinforcement Learning, Dimensionality Reduction, PyTorch (Machine Learning Library), Deep Learning, Generative AI, Pandas (Python Package), Scikit Learn (Machine Learning Library), Python Programming, Machine Learning, Artificial Neural Networks, Data Processing, Natural Language Processing, Feature Engineering, Predictive Modeling, Supervised Learning, Unsupervised Learning, Data Transformation, NumPy

    Mittel · Kurs · 3–6 Monate

  • Status: Kostenloser Testzeitraum
    Kostenloser Testzeitraum
    D

    DeepLearning.AI

    Überwachtes maschinelles Lernen: Regression und Klassifizierung

    Kompetenzen, die Sie erwerben: Prädiktive Modellierung, Statistische Modellierung, Künstliche Intelligenz, Datenumwandlung, Maschinelles Lernen, Scikit Learn (Bibliothek für Maschinelles Lernen), NumPy, Python-Programmierung, Klassifizierungs- und Regressionsbaum (CART), Feature Technik, Regressionsanalyse, Überwachtes Lernen, Angewandtes maschinelles Lernen, Jupyter

    4,9
    Bewertung, 4,9 von 5 Sternen
    ·
    30.502 Bewertungen

    Anfänger · Kurs · 1–4 Wochen

Was führt Sie heute zu Coursera?

  • Status: Kostenloser Testzeitraum
    Kostenloser Testzeitraum
    I

    IBM

    Python für Datenwissenschaft, KI & Entwicklung

    Kompetenzen, die Sie erwerben: Schnittstelle zur Anwendungsprogrammierung (API), Datenanalyse, Python-Programmierung, Datenstrukturen, Skripting, Daten importieren/exportieren, Pandas (Python-Paket), NumPy, Grundsätze der Programmierung, Automatisierung, Web Scraping, Restful API, Computer Programmierung, Datenverarbeitung, Objektorientierte Programmierung (OOP), JSON, Datenmanipulation, Jupyter

    4,6
    Bewertung, 4,6 von 5 Sternen
    ·
    42.518 Bewertungen

    Anfänger · Kurs · 1–3 Monate

  • Status: Kostenloser Testzeitraum
    Kostenloser Testzeitraum
    U

    University of Washington

    Maschinelles Lernen

    Kompetenzen, die Sie erwerben: Deep Learning, Statistische Modellierung, Prädiktive Modellierung, Künstliche Intelligenz, Überwachtes Lernen, Maschinelles Lernen, Algorithmen für maschinelles Lernen, Unüberwachtes Lernen, Computervision, Big Data, Klassifizierungs- und Regressionsbaum (CART), Statistisches maschinelles Lernen, Prädiktive Analytik, Regressionsanalyse, Angewandtes maschinelles Lernen, Data-Mining, Bildanalyse, Feature Technik, Text Mining, Bayessche Statistik

    4,6
    Bewertung, 4,6 von 5 Sternen
    ·
    16.239 Bewertungen

    Mittel · Spezialisierung · 3–6 Monate

  • Status: Kostenloser Testzeitraum
    Kostenloser Testzeitraum
    D

    DeepLearning.AI

    Mathematik für maschinelles Lernen und Datenwissenschaft

    Kompetenzen, die Sie erwerben: Lineare Algebra, Infinitesimalrechnung, A/B-Tests, Numerische Analyse, Deskriptive Statistik, Wahrscheinlichkeitsverteilung, Datenumwandlung, Methoden des Maschinellen Lernens, Statistische Hypothesentests, Statistische Analyse, Maschinelles Lernen, Angewandte Mathematik, Statistische Inferenz, Stichproben (Statistik), NumPy, Wahrscheinlichkeit & Statistik, Mathematische Modellierung, Wahrscheinlichkeit, Dimensionalitätsreduktion, Bayessche Statistik

    4,6
    Bewertung, 4,6 von 5 Sternen
    ·
    2930 Bewertungen

    Mittel · Spezialisierung · 1–3 Monate

  • Status: Kostenloser Testzeitraum
    Kostenloser Testzeitraum
    I

    Imperial College London

    Mathematik für maschinelles Lernen

    Kompetenzen, die Sie erwerben: Algorithmen, Infinitesimalrechnung, Datenverarbeitung, Lineare Algebra, Derivate, NumPy, Methoden des Maschinellen Lernens, Python-Programmierung, Statistische Analyse, Maschinelles Lernen, Angewandte Mathematik, Algorithmen für maschinelles Lernen, Wahrscheinlichkeit & Statistik, Dimensionalitätsreduktion, Regressionsanalyse, Datenmanipulation, Künstliche neuronale Netze, Fortgeschrittene Mathematik, Statistik, Jupyter

    4,6
    Bewertung, 4,6 von 5 Sternen
    ·
    14.903 Bewertungen

    Anfänger · Spezialisierung · 3–6 Monate

  • Status: Kostenloser Testzeitraum
    Kostenloser Testzeitraum
    I

    IBM

    Einführung in künstliche Intelligenz (KI)

    Kompetenzen, die Sie erwerben: Business Intelligence, Erstellung von Inhalten, Risikominderung, Verarbeitung natürlicher Sprache, Generative KI, Verantwortungsvolle KI

    4,7
    Bewertung, 4,7 von 5 Sternen
    ·
    21.247 Bewertungen

    Anfänger · Kurs · 1–4 Wochen

  • Status: Kostenlos
    Kostenlos
    A

    Amazon Web Services

    Fundamentals of Machine Learning and Artificial Intelligence

    Kompetenzen, die Sie erwerben: Artificial Intelligence and Machine Learning (AI/ML), Generative AI, Deep Learning, Artificial Intelligence, Amazon Web Services, Applied Machine Learning, Machine Learning

    4,6
    Bewertung, 4,6 von 5 Sternen
    ·
    1729 Bewertungen

    Gemischt · Kurs · 1–4 Wochen

1234…490

Zusammenfassend finden Sie hier 10 unsere beliebtesten machine learning Kurse

  • Maschinelles Lernen: DeepLearning.AI
  • Maschinelles Lernen mit Python: IBM
  • Foundations of Machine Learning: Coursera
  • IBM Maschinelles Lernen: IBM
  • Machine Learning with PyTorch and Scikit-Learn: Packt
  • Überwachtes maschinelles Lernen: Regression und Klassifizierung: DeepLearning.AI
  • Python für Datenwissenschaft, KI & Entwicklung: IBM
  • Maschinelles Lernen: University of Washington
  • Mathematik für maschinelles Lernen und Datenwissenschaft: DeepLearning.AI
  • Mathematik für maschinelles Lernen: Imperial College London

Häufig gestellte Fragen zum Thema Machine Learning

Stöbern Sie in den unten aufgeführten Kursen zum maschinellen Lernen - beliebte Einstiegspunkte auf Coursera.

  • Maschinelles Lernen mit Python: IBM
  • Grundlagen des maschinellen Lernens: Coursera
  • Überwachtes maschinelles Lernen: Regression und Klassifikation: DeepLearning.AI
  • Grundlagen des maschinellen Lernens und der künstlichen Intelligenz: AWS
  • Maschinelles Lernen in der Produktion: DeepLearning.AI‎

Diese einsteigerfreundlichen Kurse vermitteln grundlegende Konzepte, ohne dass tiefgreifende Vorkenntnisse in Mathematik oder Programmierung erforderlich sind:

  • Maschinelles Lernen für jedermann - Bietet einen nichttechnischen Überblick über ML und seine realen Anwendungen.
  • AI For Everyone - Dieser Kurs ist zwar nicht ML-spezifisch, hilft den Lernenden aber zu verstehen, wie ML in die breitere AI-Landschaft passt.
  • Spezialisierung auf maschinelles Lernen (Kurs 1) - Beginnt mit überwachtem Lernen mit Python, keine ML-Vorkenntnisse erforderlich.‎

Die Machine Learning Spezialisierung der Stanford University und DeepLearning.AI dauert 2 Monate und konzentriert sich auf:

  • TensorFlow
  • Künstliche Intelligenz
  • Überwachtes Lernen

Es werden Tools wie Python, Excel, Numpy und Scikit-learn verwendet.

Das IBM Machine Learning Professional Zertifikat dauert dagegen 3 Monate und legt den Schwerpunkt auf:

  • Feature-Engineering
  • Explorative Datenanalyse
  • Statistische Hypothesentests

Es umfasst Tools wie Python, SQL, Power BI, Pandas, Numpy und Scikit-learn.

Beide Kurse decken die Grundlagen des maschinellen Lernens für Datenwissenschaftler ab, unterscheiden sich aber in der Tiefe und den Spezialgebieten. Wählen Sie je nachdem, was Sie bevorzugen:

  • Den Stanford-Kurs für ein intensiveres Studium von KI und Deep Learning
  • Den IBM-Kurs für einen umfassenden Ansatz zur Datenanalyse und zu statistischen Methoden.‎

Legen Sie zunächst Ihre Ziele fest - ob Sie die Grundlagen des maschinellen Lernens erforschen, sich berufsrelevante Fähigkeiten aneignen oder sich auf eine Rolle in der KI oder Datenwissenschaft vorbereiten möchten.

  • Wenn Sie eine klassische, mathematisch fundierte Grundlage suchen, versuchen Sie Supervised Machine Learning von Andrew Ng (Stanford).
  • Möchten Sie einen anfängerfreundlichen und modernen Kurs? Dann sollten Sie sich das Buch Machine Learning - Modern Computer Vision \& Generative AI von Packt ansehen.
  • Für angewandtes maschinelles Lernen mit echten Tools sollten Sie das IBM Machine Learning Professional Certificate in Betracht ziehen, das Python, Scikit-Learn und praktische Übungen umfasst.‎
  • Ein Kurs deckt ein bestimmtes ML-Thema ab - z. B. Unüberwachtes Lernen, Empfehlungssysteme, Reinforcement Learning.
  • Eine Spezialisierung umfasst mehrere Kurse, um strukturiertes Wissen aufzubauen - wie die Machine Learning-Spezialisierung, die überwachte, unüberwachte und fortgeschrittene Techniken lehrt.
  • Ein berufsbezogenes Zertifikat bereitet Sie mit durchgängigen Schulungen, Tools und Projekten auf Ihre berufliche Tätigkeit vor, z. B. das IBM Machine Learning Certificate oder das AI Engineering Certificate.‎

Ja, Coursera bietet eine Vielzahl von kostenlosen Kursen zu vielen Themen an, darunter auch maschinelles Lernen. Sie können zwar auf die meisten Kursmaterialien kostenlos zugreifen, indem Sie die Kurse besuchen, dies beinhaltet jedoch keine benoteten Aufgaben oder ein Abschlusszertifikat. Für diejenigen, die ein Zertifikat erwerben möchten, um ihr Lernen zu präsentieren oder ihr berufliches Profil zu verbessern, bietet Coursera die Möglichkeit, den Kurs zu kaufen. Darüber hinaus bietet Coursera kostenlose Testversionen oder finanzielle Unterstützung für Lernende, die sich dafür qualifizieren, so dass Zertifizierungen für alle zugänglich sind.‎

Das maschinelle Lernen ist ein Gebiet der künstlichen Intelligenz, bei dem Computersysteme erstellt werden, die ohne menschliches Eingreifen von Daten lernen können. Bei diesen leistungsfähigen Verfahren werden ausgefeilte Analysemodelle erstellt, die zum Erkennen von Mustern in einem speziellen Dataset 'trainiert' werden, bevor sie diese Muster auf immer mehr Daten anwenden. Dabei wird die Leistung ohne weiteres Eingreifen stetig verbessert.

Beispielsweise ermöglicht maschinelles Lernen immer genauere Bilderkennungsalgorithmen. Menschliche Programmierer stellen z. B. einen relativen kleinen Satz aus Bildern bereit, die als 'Autos' oder 'keine Autos' bezeichnet sind und wenden die Algorithmen dann auf sehr viel mehr Bilder an, um davon zu lernen. Die im maschinellen Lernen normalerweise verwendeten iterativen Algorithmen sind zwar nicht neu, aber dank der Rechenleistung der modernen Computersysteme kann diese Art der Datenanalyse schneller als je zuvor effektiv arbeiten. ‎

Maschinelles Lernen ist in gewisser Weise ein hybrides Gebiet, eine Schnittmenge aus Informatik, Data Science sowie Algorithmen und mathematischer Theorie. Im Hinblick auf Informatik benötigen Ingenieure für maschinelles Lernen und andere Experten in diesem Bereich in der Regel ausgeprägte Kenntnisse der Softwareentwicklung, von Grundlagen wie Programmierkompetenzen bis hin zu allgemeiner Vertrautheit mit Systemdesignprinzipien.

Kenntnisse der Data Science-Konzepte sind ebenfalls wichtig, insbesondere Fähigkeiten in der Datenmodellierung und -auswertung, um sicherzustellen, dass die Algorithmen korrekt funktionieren und mit der Zeit akkurater und nicht weniger akkurat werden. Da das maschinelle Lernen zudem stark von den zugrunde liegenden Statistik- und Wahrscheinlichkeitsprinzipien abhängig ist, kann auch ein solider Hintergrund in Mathematik von unschätzbarem Wert sein. ‎

Fähigkeiten im Bereich des maschinellen Lernens können Türen zu zahlreichen gefragten Positionen in Technologie und Forschung öffnen, darunter:

  • Ingenieur für maschinelles Lernen
  • Datenwissenschaftler
  • AI-Forschungswissenschaftler
  • Robotik-Ingenieur
  • Quantitativer Analyst im Finanzwesen
  • Software-Entwickler mit Spezialisierung auf KI
  • Fachleute in diesen Rollen nutzen Techniken des maschinellen Lernens, um innovative Lösungen zu entwickeln, die datengesteuerte Entscheidungsfindung zu verbessern und die Grenzen der künstlichen Intelligenz zu erweitern.

Finden Sie heraus, welche Rolle im Bereich des maschinellen Lernens am besten zu Ihnen passt, indem Sie an unserem Karriere-Quiz teilnehmen!‎

Online-Lernalgorithmen sind Methoden des maschinellen Lernens, bei denen die Modelle kontinuierlich aktualisiert werden, wenn neue Daten eintreffen, anstatt auf einem festen Datensatz zu trainieren. Sie sind nützlich für Echtzeitanwendungen wie Betrugserkennung oder Empfehlungssysteme. Sie können diese Konzepte in Kursen wie Machine Learning von der Stanford University auf Coursera erkunden, in denen grundlegende Techniken für adaptive Modelle vorgestellt werden.‎

Beim maschinellen Lernen liegt der Schwerpunkt auf der Erkennung von Ursache-Wirkungs-Beziehungen und nicht nur von Korrelationen. Sie wird in Bereichen wie Gesundheitswesen, Wirtschaft und Politik eingesetzt, um zuverlässigere Vorhersagen und Entscheidungen zu treffen. Kurse wie A Crash Course in Causality: Inferring Causal Effects from Observational Data von der University of Pennsylvania auf Coursera bieten eine gute Einführung in diese Methoden.‎

Diese häufig gestellten Fragen dienen nur zu Informationszwecken. Den Lernenden wird empfohlen, eingehender zu recherchieren, ob Kurse und andere angestrebte Qualifikationen wirklich ihren persönlichen, beruflichen und finanziellen Vorstellungen entsprechen.

Andere wissenswerte Themen

Kunst und Geisteswissenschaften
338 Kurse
Wirtschaft
1095 Kurse
Informatik
668 Kurse
Datenverarbeitung
425 Kurse
Informationstechnologie
145 Kurse
Gesundheit
471 Kurse
Mathematik und Logik
70 Kurse
Persönliche Entwicklung
137 Kurse
Physikalische Wissenschaft und Technik
413 Kurse
Sozialwissenschaften
401 Kurse
Sprachen lernen
150 Kurse

Coursera-Fußzeile

Fertigkeiten

  • Künstliche Intelligenz (KI)
  • Cybersicherheit
  • Datenanalyse
  • Digitales Marketing
  • Englisch sprechend
  • Generative KI (GenAI)
  • Microsoft Excel
  • Microsoft Power BI
  • Projektmanagement
  • Python

Zertifikate und Programme

  • Google Cybersecurity-Zertifikat
  • Google Data Analytics Zertifikat
  • Google IT-Support-Zertifikat
  • Google Project Management Zertifikat
  • Google UX Design Zertifikat
  • IBM Fachkraft für Datenanalyse Zertifikat
  • IBM Datenwissenschaft Zertifikat
  • Zertifikat Maschinelles Lernen
  • Microsoft Power BI Fachkraft für Datenanalyse Zertifikat
  • UI / UX-Designer Zertifikat

Industrien & Karrieren

  • Wirtschaft
  • Informatik
  • Datenverarbeitung
  • Bildung & Unterricht
  • Technik
  • Finanzen
  • Gesundheitswesen
  • Personalwesen (HR)
  • Informationstechnologie (IT)
  • Marketing

Karriere-Ressourcen

  • Berufseignungstest
  • Beispiele für Stärken und Schwächen für Vorstellungsgespräche
  • Einkommensstarke Fähigkeiten zu erlernen
  • Wie funktioniert die Kryptowährung?
  • Hervorhebung von doppelten Einträgen in Google Sheets
  • Wie man künstliche Intelligenz lernt
  • Beliebte Zertifizierungen für Cybersicherheit
  • Vorbereitung auf die PMP-Zertifizierung
  • Anzeichen dafür, dass Sie den Job nach einem Vorstellungsgespräch bekommen
  • Was ist künstliche Intelligenz?

Coursera

  • Info
  • Was wir anbieten
  • Leitung
  • Jobs
  • Katalog
  • Coursera Plus
  • Berufsbezogene Zertifikate
  • MasterTrack® Certificates
  • Abschlüsse
  • Für Unternehmen
  • Für Regierungen
  • Für Campus
  • Werden Sie Partner
  • Soziale Auswirkung
  • Kostenlose Kurse
  • Teilen Sie Ihre Coursera-Lerngeschichte

Community

  • Kursteilnehmer
  • Partner
  • Beta-Tester
  • Blog
  • Der Coursera-Podcast
  • Tech-Blog

Mehr

  • Presse
  • Anleger
  • Nutzungsbedingungen/AGB
  • Datenschutz
  • Hilfe
  • Barrierefreiheit
  • Kontakt
  • Artikel
  • Verzeichnis
  • Partnerunternehmen
  • Stellungnahme zu moderner Sklaverei
  • Nicht verkaufen/weitergeben
Überall lernen
Aus dem App Store herunterladen
Erhältlich bei Google Play
Logo von Certified B Corporation
© 2025 Coursera Inc. Alle Rechte vorbehalten.
  • Coursera Facebook
  • Coursera LinkedIn
  • Coursera Twitter
  • Coursera YouTube
  • Coursera Instagram
  • Coursera auf TikTok