In Einführung in das statistische Lernen werden Konzepte der statistischen Modellierung erforscht, z.B. wann man bestimmte Modelle verwendet, wie man diese Modelle abstimmt und ob andere Optionen bestimmte Kompromisse bieten. Wir werden Regression, Klassifizierung, Bäume, Resampling, unüberwachte Techniken und vieles mehr behandeln! Dieser Kurs kann im Rahmen des Master of Science in Data Science (MS-DS) der CU Boulder, der auf der Coursera-Plattform angeboten wird, angerechnet werden. Der MS-DS ist ein interdisziplinärer Studiengang, der Dozenten aus den Fachbereichen Angewandte Mathematik, Informatik, Informationswissenschaften und anderen Bereichen der CU Boulder zusammenbringt. Da die Zulassung leistungsabhängig ist und es kein Bewerbungsverfahren gibt, ist der MS-DS ideal für Personen mit einem breiten Spektrum an grundständiger Ausbildung und/oder Berufserfahrung in Informatik, Informationswissenschaft, Mathematik und Statistik. Erfahren Sie mehr über das MS-DS-Programm unter https://hua.dididi.sbs/degrees/master-of-science-data-science-boulder.

Regression und Klassifizierung

Regression und Klassifizierung
Dieser Kurs ist Teil von Spezialisierung „Statistisches Lernen für Datenwissenschaft“

Dozent: James Bird
3.790 bereits angemeldet
Bei enthalten
16 Bewertungen
Empfohlene Erfahrung
Was Sie lernen werden
Erklären Sie, warum statistisches Lernen wichtig ist und wie es eingesetzt werden kann.
Erkennen Sie die Stärken, Schwächen und Vorbehalte verschiedener Modelle und wählen Sie das am besten geeignete Modell für ein bestimmtes statistisches Problem.
Bestimmen Sie, welche Art von Daten und Problemen überwachte bzw. nicht überwachte Techniken erfordern.
Kompetenzen, die Sie erwerben
- Kategorie: Data Science
- Kategorie: Machine Learning
- Kategorie: Statistical Modeling
- Kategorie: Regression Analysis
- Kategorie: Statistical Methods
- Kategorie: Machine Learning Algorithms
- Kategorie: Model Evaluation
- Kategorie: Supervised Learning
- Kategorie: Statistical Analysis
- Kategorie: Predictive Modeling
- Kategorie: Unsupervised Learning
Werkzeuge, die Sie lernen werden
- Kategorie: R Programming
- Kategorie: Classification Algorithms
Wichtige Details

Zu Ihrem LinkedIn-Profil hinzufügen
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 6 Module
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.
Auf einen Abschluss hinarbeiten
Dieses Kurs ist Teil des/der folgenden Studiengangs/Studiengänge, die von University of Colorado Boulderangeboten werden. Wenn Sie zugelassen werden und sich immatrikulieren, können Ihre abgeschlossenen Kurse auf Ihren Studienabschluss angerechnet werden und Ihre Fortschritte können mit Ihnen übertragen werden.¹
Dozent

Mehr von Wahrscheinlichkeitsrechnung und Statistik entdecken

University of Colorado Boulder

University of Colorado Boulder

Coursera
Warum entscheiden sich Menschen für Coursera für ihre Karriere?

Felipe M.

Jennifer J.

Larry W.

Chaitanya A.
Bewertungen von Lernenden
- 5 stars
62,50 %
- 4 stars
12,50 %
- 3 stars
0 %
- 2 stars
6,25 %
- 1 star
18,75 %
Zeigt 3 von 16 an
Geprüft am 28. Apr. 2024
Great course with clear and concise explanation. I highly recommend taking the course.

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
Weitere Fragen
Finanzielle Unterstützung verfügbar,


