Eric Chuar hat die Maschinelles Lernen mit Python for Personal & Professional Productivity und erhielt ein Zertifikat von IBM.
SCHULE:
IBM
GRADUIERT:
2019
DAUER:
6 Monate
Maschinelles Lernen mit Python Erworbene Kenntnisse
Beschreiben Sie die verschiedenen Arten von Algorithmen des maschinellen Lernens und wann sie verwendet werden sollten.
Schreiben von Python-Code, der verschiedene Klassifizierungstechniken wie K-Nächste Nachbarn (KNN), Entscheidungsbäume und Regressionsbäume implementiert
Vergleich und Gegenüberstellung linearer Klassifizierungsmethoden, einschließlich Mehrklassenvorhersage, Support-Vektor-Maschinen und logistischer Regression
Bewertung der Ergebnisse einfacher linearer, nicht-linearer und multipler Regression auf einem Datensatz unter Verwendung von Bewertungsmaßstäben
Kurs-Perspektive
Ich habe gerade den Kurs "Maschinelles Lernen mit Python" abgeschlossen, und ich muss sagen, dass es eine wilde Fahrt war. Ich hatte bereits ein Händchen für Programmierung und digitales Marketing, aber maschinelles Lernen? Das war für mich Neuland, und ich war bereit für die Herausforderung.
Arten von Algorithmen: Der Kurs begann mit einem tiefen Einblick in verschiedene Algorithmen des maschinellen Lernens. Von überwachtem bis hin zu unüberwachtem Lernen - es war wie ein Sammelsurium an Berechnungsmethoden. Ehrlich gesagt, ist es cool zu wissen, welchen Algorithmus man für welche Art von Problem verwenden sollte.
Python-Codierung: Das war mein Ding! Wir haben praktische Erfahrungen beim Schreiben von Python-Code für verschiedene Klassifizierungstechniken gesammelt. Wir haben mit K-Nearest Neighbors (KNN), Entscheidungsbäumen und sogar Regressionsbäumen herumgespielt. Ich hätte nie gedacht, dass ich das mal sagen würde, aber Programmieren für maschinelles Lernen macht süchtig.
Lineare Klassifikation: Hier ging es dann ans Eingemachte. Ich lernte, wie man zwischen verschiedenen linearen Klassifizierungsmethoden wie Mehrklassenvorhersage, Support Vector Machines und logistischer Regression unterscheidet. Hätten Sie mich vor einem Monat danach gefragt, hätte ich Sie mit einem leeren Blick bedacht. Aber jetzt habe ich das Gefühl, dass ich es gut im Griff habe.
Bewertung: Der Kurs endete mit der Bewertung der Ergebnisse der verschiedenen Modelle. Wir haben uns angeschaut, wie man die Leistung von linearen, nicht-linearen und multiplen Regressionsmodellen messen kann. Ehrlich gesagt, ist die Auswertung Ihres Modells genauso wichtig wie seine Erstellung.
Warum habe ich also diesen Kurs belegt? Ich habe es schon immer geliebt, mein Wissen weiterzugeben. Das Leben in Malaysia und Singapur hat mir gezeigt, wie sehr die Menschen wertvolle Informationen zu schätzen wissen. Mit diesem Kurs in der Tasche freue ich mich darauf, maschinelles Lernen in meine digitalen Marketingstrategien zu integrieren und natürlich das Gelernte mit anderen zu teilen.
Und das Beste daran? Ich kann diese Fähigkeiten in so vielen Bereichen meines Lebens einsetzen. Ob ich nun Badminton unterrichte, ein Glas Rotwein genieße oder Zeit mit meiner Familie verbringe - das Verständnis der Mechanismen von Entscheidungen und Vorhersagen ist unbezahlbar. Ich freue mich wirklich darauf, all diese neuen Fähigkeiten nicht nur im Berufsleben, sondern auch im täglichen Umgang miteinander anzuwenden.