Entdeckung der unüberwachten Lernmethoden in Python
Dieser Kurs führt in unüberwachte Lernmethoden in Python ein. Er hilft, Clustering-Algorithmen, Dimensionsreduktion und das Erkennen verborgener Strukturen in Daten zu verstehen. Anhand praktischer Bei
Erstellen Sie Ihr kostenloses Konto
So verläuft der Kurs
Jede Lektion ist ein strukturierter Text, illustriert mit Beispielen und Schaubildern, gefolgt von einem automatisch korrigierten Quiz. Sie kommen in Ihrem eigenen Tempo voran, und Ihre Notizen bleiben mit der Lektion verknüpft, in der Sie sie gemacht haben.
-
Ein solides Verständnis der Grundprinzipien des unüberwachten Lernens erwerben
-
Die Funktionsweise der wichtigsten Clustering-Algorithmen und der Dimensionsreduktion verstehen
-
Methoden des unüberwachten Lernens in Python anwenden, um Datensätze zu analysieren
-
Lernen, Gruppen, Tendenzen und verborgene Strukturen in Daten zu erkennen
-
Die Fähigkeit entwickeln, Ergebnisse zu interpretieren und Methoden auszuwählen, die zu Datenanalyse-Fragestellungen passen
-
Datenanalyst: Erfassung, Verarbeitung und Analyse von Daten, um Trends zu erkennen und die Entscheidungsfindung zu erleichtern.
-
Data Scientist: Entwurf und Anwendung statistischer Methoden und Algorithmen des maschinellen Lernens, um relevante Informationen zu gewinnen.
-
Machine-Learning-Ingenieur: Entwicklung und Optimierung von Modellen des maschinellen Lernens, die auf die Bedürfnisse von Organisationen zugeschnitten sind.
-
KI-Analyst: Untersuchung von Daten und Einsatz algorithmischer Methoden zur Lösung komplexer Probleme.
-
Berater für Data Science: Unterstützung von Unternehmen bei der Auswahl und Anwendung von Datenanalysemethoden.
-
Spezialist für Datensegmentierung: Identifizierung homogener Gruppen mithilfe von Clustering-Algorithmen.
-
Analyst für Anomalieerkennung: Aufspüren ungewöhnlicher Verhaltensweisen oder atypischer Daten in unterschiedlichen Datensätzen.
-
Datenorientierter Python-Entwickler: Erstellung von Skripten und Werkzeugen zur Vorbereitung, Analyse und Nutzung von Daten.
-
Sachbearbeiter für Statistik: Erkundung von Datensätzen und Interpretation der Ergebnisse, um gezielte Fragestellungen zu beantworten.
Barrierefreiheit

Sie haben eine Behinderung und möchten bei uns eine Schulung absolvieren? Dafür ist diese E-Mail-Adresse für Sie vorgesehen: contact@datagoz.com . Für jede andere Situation zögern Sie nicht, uns zu kontaktieren, um zu prüfen, wie wir eine Lernerfahrung gewährleisten können.
Wie finanziere ich meine Schulung?
Teilnahmebescheinigung: Am Ende dieses Kurses erhalten Sie eine personalisierte, online überprüfbare DATAGOZ-Teilnahmebescheinigung.
Das DATAGOZ-Team wünscht dir viel Erfolg beim Lernen!
6 Kapitel, 54 Lektionen
- 2. Unüberwachtes Lernengeöffnet
- 2. Die optimale Anzahl von Gruppen bestimmengeöffnet
- 2. Punkte in zwei Dimensionen gruppierengeöffnet
- 2. Die Ergebnisse der Gruppierung analysierengeöffnet
- 2. Die Qualität der erhaltenen Gruppen messengeöffnet
- 2. Die Anzahl der Gruppen für die Startpunkte wählengeöffnet
- 2. Die aus den Startpunkten gebildeten Gruppen bewertengeöffnet
- 2. Variablen für bessere Gruppierungen vorbereitengeöffnet
- 2. Fischdaten vor der Gruppierung standardisierengeöffnet
- 2. Gruppen unter den Fischen identifizierengeöffnet
- 2. Aktien mit K-Means in Gruppen einteilengeöffnet
- 2. Aktien mit ähnlicher Entwicklung erkennengeöffnet
- 3. Hierarchische Strukturen der Daten visualisierenAbonnenten
- 3. Anzahl der nötigen Zusammenführungen bestimmenAbonnenten
- 3. Die Getreidesamen-Daten mit hierarchischer Klassifikation gruppierenAbonnenten
- 3. Die hierarchischen Beziehungen zwischen den Aktien analysierenAbonnenten
- 3. Den Gruppen aus dem hierarchischen Clustering Bezeichnungen zuweisenAbonnenten
- 3. Die nächstgelegenen Datengruppen identifizierenAbonnenten
- 3. Die hierarchischen Gruppierungen nach Verknüpfungsmethoden vergleichenAbonnenten
- 3. Die Gruppierungen auf verschiedenen Ebenen der Hierarchie untersuchenAbonnenten
- 3. Die Bezeichnungen der gebildeten Gruppen extrahierenAbonnenten
- 3. Die Daten mit t-SNE in zwei Dimensionen projizierenAbonnenten
- 3. Die Getreidedaten mit t-SNE visualisierenAbonnenten
- 3. Die Ähnlichkeiten zwischen den Aktien mit t-SNE kartierenAbonnenten
- 4. Die Funktionsweise der PCA visualisierenAbonnenten
- 4. Natürliche Korrelationen zwischen den Daten erkennenAbonnenten
- 4. Die Messwerte der Samen mithilfe der PCA entkorrelierenAbonnenten
- 4. Die Hauptkomponenten identifizierenAbonnenten
- 4. Die intrinsische Dimension der Daten bestimmenAbonnenten
- 4. Die Rolle der ersten Hauptkomponente analysierenAbonnenten
- 4. Die durch die Hauptkomponenten der PCA erklärte Varianz untersuchenAbonnenten
- 4. Die intrinsische Dimension der Daten zu den Fischen schätzenAbonnenten
- 4. Die Anzahl der Dimensionen mit der PCA reduzierenAbonnenten
- 4. Die Messwerte der Fische mithilfe der Dimensionsreduktion vereinfachenAbonnenten
- 4. Die Wörter mit den TF-IDF-Werten darstellenAbonnenten
- 4. Wikipedia-Artikel gruppieren, erster TeilAbonnenten
- 4. Gruppierung der Wikipedia-Artikel fortsetzen, zweiter TeilAbonnenten
- 5. Die nichtnegative Matrixfaktorisierung (NMF) entdeckenAbonnenten
- 5. Daten mit nichtnegativen Werten identifizierenAbonnenten
- 5. Die NMF auf Wikipedia-Artikel anwendenAbonnenten
- 5. Merkmale aus Wikipedia-Artikeln mit der NMF extrahierenAbonnenten
- 5. Daten aus den NMF-Komponenten rekonstruierenAbonnenten
- 5. Daten mithilfe der NMF in interpretierbare Bestandteile zerlegenAbonnenten
- 5. Themen von Dokumenten mit der NMF identifizierenAbonnenten
- 5. Den Datensatz der LED-dargestellten Ziffern erkundenAbonnenten
- 5. Komponenten von Bildern mit der NMF extrahierenAbonnenten
- 5. Verstehen, warum die PCA keine getrennten Teile identifizieren kannAbonnenten
- 5. Empfehlungssysteme mit NMF erstellenAbonnenten
- 5. Ähnliche Artikel zu dem von Cristiano Ronaldo findenAbonnenten
- 5. Musikkünstler empfehlen, Teil 1Abonnenten
- 5. Empfehlungen für Musikkünstler verbessern, Teil 2Abonnenten
- 5. Überblick über Methoden zur Entdeckung interpretierbarer MerkmaleAbonnenten
Alles, was die Lektionen begleitet
Wie viel Zeit, je nach Ihrer Verfügbarkeit
Was Sie am Ende erhalten
Sobald der Kurs abgeschlossen ist, wird die Teilnahmebescheinigung auf Ihren Namen ausgestellt. Mit ihrem Code kann ein Recruiter sie in wenigen Sekunden überprüfen.
Es handelt sich weder um einen Abschluss noch um eine berufliche Zertifizierung; es ist der überprüfbare Nachweis, dass Sie diesen Kurs absolviert und erfolgreich abgeschlossen haben.
Wer diesen Kurs schreibt
Eine klare und praxisnahe Didaktik mit konkreten Beispielen, damit Sie effektiv lernen.
Bevor Sie beginnen
Starten Sie noch heute mit diesem Kurs
13 offene Lektionen, ohne Kreditkarte. Sie sehen das Niveau und den Ton, bevor Sie sich entscheiden.