NVIDIA: Grundlagen des Maschinellen Lernens ist ein Grundkurs, der die Teilnehmer in die wichtigsten Konzepte und Techniken des Maschinellen Lernens einführt. Dieser Kurs ist der erste Teil der Prüfungsvorbereitung (NCA-GENL): NVIDIA-Certified Generative KI LLMs Associate. Der Kurs deckt die grundlegenden Prinzipien des Maschinellen Lernens ab, einschließlich Überwachtes und Unüberwachtes Lernen, Modell-Training, Bewertungsmetriken und Optimierungstechniken. Er bietet außerdem Einblicke in die Datenvorverarbeitung, das Feature Engineering und gängige Algorithmen des Maschinellen Lernens. Dieser Kurs ist in drei Module gegliedert, die jeweils Lektionen und Videovorlesungen enthalten. Die Lernenden beschäftigen sich mit ca. 5:00-6:30 Stunden an Videoinhalten, die sowohl theoretische Konzepte als auch praktische Übungen abdecken. Jedes Modul wird durch Quizfragen ergänzt, um das Verständnis der Lernenden zu bewerten und die Schlüsselkonzepte zu festigen. Kursmodule: Modul 1: ML-Grundlagen und Datenvorverarbeitung Modul 2: Überwachtes Lernen & Modellevaluation Modul 3: Unüberwachtes Lernen, fortgeschrittene Techniken & GPU-Beschleunigung Am Ende dieses Kurses wird ein Lernender in der Lage sein: - Die Grundlagen von KI, ML und Deep Learning und ihre wichtigsten Unterschiede zu verstehen.

Schalten Sie mit Coursera Plus den Zugang zu mehr als 10.000 Kursen frei. Starten Sie die 7-tägige kostenlose Testversion.


NVIDIA: Grundlagen des maschinellen Lernens
Dieser Kurs ist Teil von Spezialisierung für Prüfungsvorbereitung (NCA-GENL): NVIDIA-zertifizierte generative KI LLMs

Dozent: Whizlabs Instructor
3.560 bereits angemeldet
Bei enthalten
(18 Bewertungen)
Empfohlene Erfahrung
Was Sie lernen werden
Verstehen Sie die Grundlagen von KI, ML und Deep Learning und ihre wichtigsten Unterschiede.
Anwendung überwachter Lerntechniken wie Klassifizierung und Regression.
Anwendung von Clustering-Methoden und Zeitreihen-Analyse mit ARIMA.
Nutzen Sie NVIDIA RAPIDS für GPU-beschleunigte ML-Workflows.
Kompetenzen, die Sie erwerben
- Kategorie: Statistische Analyse
- Kategorie: Klassifizierungs- und Regressionsbaum (CART)
- Kategorie: Regressionsanalyse
- Kategorie: Datenverarbeitung
- Kategorie: Überwachtes Lernen
- Kategorie: Angewandtes maschinelles Lernen
- Kategorie: Künstliche Intelligenz
- Kategorie: Maschinelles Lernen
- Kategorie: Feature Technik
- Kategorie: Deep Learning
- Kategorie: Prädiktive Modellierung
- Kategorie: Zeitreihenanalyse und Vorhersage
- Kategorie: Unüberwachtes Lernen
Wichtige Details

Zu Ihrem LinkedIn-Profil hinzufügen
6 Aufgaben
Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.

Erweitern Sie Ihre Fachkenntnisse
- Lernen Sie neue Konzepte von Branchenexperten
- Gewinnen Sie ein Grundverständnis bestimmter Themen oder Tools
- Erwerben Sie berufsrelevante Kompetenzen durch praktische Projekte
- Erwerben Sie ein Berufszertifikat zur Vorlage

In diesem Kurs gibt es 3 Module
Willkommen zu Woche 1 des NVIDIA: Grundlagen des Maschinellen Lernens. In dieser Woche werden wir uns mit den Grundlagen des maschinellen Lernens und der Datenvorverarbeitung befassen, beginnend mit einer Einführung in den Kurs und den besten Methoden für den Prüfungserfolg. Wir werden Maschinelles Lernen definieren und die Erwartungen an den Kurs Grundlagen des Maschinellen Lernens festlegen. Im weiteren Verlauf werden wir zwischen KI, Deep Learning und Maschinellem Lernen unterscheiden und die Arten des Maschinellen Lernens untersuchen. Wir werden auch die wichtigsten Schritte im Prozess des Maschinellen Lernens behandeln. Am Ende der Woche werden wir in die Grundlagen der Datenvorverarbeitung eintauchen und ihre Bedeutung in den Workflows des Maschinellen Lernens verstehen. Eine Demositzung zur Datenvorverarbeitung wird praktische Einblicke in die Vorbereitung von Daten für das Training von Modellen geben.
Das ist alles enthalten
9 Videos2 Lektüren2 Aufgaben1 Diskussionsthema
Willkommen zu Woche 2 des Kurses NVIDIA: Grundlagen des Maschinellen Lernens. In dieser Woche werden wir uns mit den Grundlagen des überwachten Maschinellen Lernens und der Modalauswertung befassen und dabei sowohl Klassifizierungs- als auch Regressionstechniken behandeln. Zunächst werden wir die Prinzipien von Klassifizierungs- und Regressionsmodellen und deren Anwendungen verstehen. AS wird den Prozess der Modellauswahl, des Trainings und der Evaluierung untersuchen, gefolgt von einer ausführlichen Diskussion über die Evaluierung von Klassifizierungsmodellen mithilfe der Verwirrungsmatrix. Darüber hinaus werden wir anhand theoretischer Erklärungen und praktischer Demonstrationen die wichtigsten Bewertungskennzahlen sowohl für Klassifizierungs- als auch für Regressionsmodelle untersuchen.
Das ist alles enthalten
8 Videos1 Lektüre2 Aufgaben
Willkommen zu Woche 3 des NVIDIA: Grundlagen des Maschinellen Lernens. Diese Woche befassen wir uns mit Unüberwachtes Lernen, fortgeschrittenen Techniken und GPU-Beschleunigung. Wir beginnen mit unüberwachten Lerntechniken wie KMeans, hierarchischem und dichtebasiertem Clustering, zusammen mit einer praktischen Demo. Außerdem werden wir uns mit Assoziationsregel-Mining und NVIDIA RAPIDS für GPU-beschleunigte Workflows beschäftigen, einschließlich einer Demo. Darüber hinaus lernen wir Kreuzvalidierungstechniken (GridSearch und Randomized Search) mit einer praktischen Demo kennen und schließen mit dem ARIMA-Modell für die Analyse von Zeitreihen ab, ebenfalls mit einer praktischen Demo.
Das ist alles enthalten
11 Videos3 Lektüren2 Aufgaben
Erwerben Sie ein Karrierezertifikat.
Fügen Sie dieses Zeugnis Ihrem LinkedIn-Profil, Lebenslauf oder CV hinzu. Teilen Sie sie in Social Media und in Ihrer Leistungsbeurteilung.
Dozent

von
Mehr von Cloud Computing entdecken
Status: Kostenloser Testzeitraum
Status: Kostenloser Testzeitraum
Status: Kostenloser Testzeitraum
Status: KostenlosAmazon Web Services
Warum entscheiden sich Menschen für Coursera für ihre Karriere?




Bewertungen von Lernenden
18 Bewertungen
- 5 stars
57,89 %
- 4 stars
31,57 %
- 3 stars
5,26 %
- 2 stars
5,26 %
- 1 star
0 %
Zeigt 3 von 18 an
Geprüft am 11. Okt. 2025
The first 3 were great! The fourth one LLMs and Gen AI was subpar

Neue Karrieremöglichkeiten mit Coursera Plus
Unbegrenzter Zugang zu 10,000+ Weltklasse-Kursen, praktischen Projekten und berufsqualifizierenden Zertifikatsprogrammen - alles in Ihrem Abonnement enthalten
Bringen Sie Ihre Karriere mit einem Online-Abschluss voran.
Erwerben Sie einen Abschluss von erstklassigen Universitäten – 100 % online
Schließen Sie sich mehr als 3.400 Unternehmen in aller Welt an, die sich für Coursera for Business entschieden haben.
Schulen Sie Ihre Mitarbeiter*innen, um sich in der digitalen Wirtschaft zu behaupten.
Häufig gestellte Fragen
Um Zugang zu den Kursmaterialien und Aufgaben zu erhalten und um ein Zertifikat zu erwerben, müssen Sie die Zertifikatserfahrung erwerben, wenn Sie sich für einen Kurs anmelden. Sie können stattdessen eine kostenlose Testversion ausprobieren oder finanzielle Unterstützung beantragen. Der Kurs kann stattdessen die Option "Vollständiger Kurs, kein Zertifikat" anbieten. Mit dieser Option können Sie alle Kursmaterialien einsehen, die erforderlichen Bewertungen abgeben und eine Abschlussnote erhalten. Dies bedeutet auch, dass Sie kein Zertifikat erwerben können.
Wenn Sie sich für den Kurs einschreiben, erhalten Sie Zugang zu allen Kursen der Spezialisierung, und Sie erhalten ein Zertifikat, wenn Sie die Arbeit abgeschlossen haben. Ihr elektronisches Zertifikat wird Ihrer Seite "Leistungen" hinzugefügt - von dort aus können Sie Ihr Zertifikat ausdrucken oder Ihrem LinkedIn-Profil hinzufügen.
Ja. Für ausgewählte Lernprogramme können Sie eine finanzielle Unterstützung oder ein Stipendium beantragen, wenn Sie die Anmeldungsgebühr nicht aufbringen können. Wenn für das von Ihnen gewählte Lernprogramm eine finanzielle Unterstützung oder ein Stipendium verfügbar ist, finden Sie auf der Beschreibungsseite einen Link zur Beantragung.
Weitere Fragen
Finanzielle Unterstützung verfügbar,

