Machine Learning – Empfehlungen für Onlinekurse

Verfahren der Artificial Intelligence, das Machine Learning und das mathematisch-statistische Rechnen finden nach wie vor rasant Verbreitung in der IT.

Wie Sie weiter unten sehen, habe ich Ihnen schon häufiger Empfehlungen für solche Trainings zusammengestellt, an denen ich auch selbst teilnehme.

Derzeit gibt es wieder interessante Lernmöglichkeiten.

openSAP und openHPI

Die beiden offenen Online-Lernplattformen openSAP und openHPI sind Ihnen inzwischen sicherlich ein Begriff. Wenn nicht, lege ich Ihnen die diversen Artikel ans Herz, die ich hierzu schon geschrieben habe.

Derzeit laufen dort zu den oben angesprochenen Themen die folgenden Kurse, bzw werden in Kürze starten (die Links finden Sie im Anhang):

  • Big Data Analytics bei openHPI
  • Data Science in Action – Building a Predictive Churn Model bei openSAP
  • Enterprise Deep Learning with TensorFlow bei openSAP

Ich empfehle diese Kurse jemanden, der sich für das Machine Learning interessiert, oder der die mathematisch-statistischen Rechenmethoden vertiefen möchte, die man in diesem Umfeld benötigt.

Wie immer bieten die Kurse wieder sehr viel Inhalt. Da die Kurse deshalb jeweils mehrere Wochen dauern, und parallel laufen, könnte es vielleicht für den ein oder anderen unter Ihnen zeitlich zu viel werden.

Zum Glück ist es möglich, Kurse auch nach deren Präsenzphase aufzurufen. Mit gewissen Abstrichen (z.B erhalten Sie kein Zertifikat) könnten Sie so den Kursbesuch zeitlich strecken. So werde ich es auch machen (müssen).

Kursübersicht

Wie immer finden Sie die detaillierten Kursbeschreibungen auf der jeweiligen Kurshomepage.

Daher möchte ich hier nur kurz anreißen, worum es jeweils geht. Wie gesagt: Alle Kurse sind interessant und empfehlenswert für die Leute, die tiefer in Themen wie Maschinenintelligenz oder Big Data einsteigen wollen.

Big Data Analytics

Man sagt heutzutage, dass Daten der neue Rohstoff der Geschäftswelt sind. Der kostenlose Onlinekurs beschäftigt sich mit den Methoden und Verfahren, um diesen Schatz heben zu können.

Inhalte sind:

  • Vorgehensweisen bei der Auswertung riesiger Datenmengen (Data Mining-Techniken, Aufbereitung und Analyse der Daten).
  • Einführung in Anwendungen und typische  Praxisbeispiele zu den jeweiligen Problemstellungen.
  • Überblick über Algorithmen, die bei der Lösung helfen können.
  • Verfahren und Methoden um Data-Mining-Lösungen für konkrete Anwendungen zu bewerten.

Speziell der algorithmische Teil ist auch relevant für Themen wie das Machine Learning weiter unten.

Data Science in Action – Building a Predictive Churn Model

Dieser Kurs baut auf einem früheren Data Science Kurs desselben Referenten auf, und passt inhaltlich zu dem eben erwähnten Big Data Kurs.

Diesmal ist jedoch eine konkrete Fallstudie im Fokus, wie das folgende Zitat von der Homepage verdeutlicht:

„Join this free online course to get hands-on practice with data science. You’ll learn about the entire process of collecting, processing, and evaluating data, and have access to a system for hands-on practice – just like a data scientist!“

Inhaltlich lernen Sie hier Methoden, die Sie z.B auch in einem Machine Learning Projekt weiterverwenden können um das es im nächsten Kurs geht.

Enterprise Deep Learning with TensorFlow

Dieser Kurs behandelt eine spezielle und sehr bedeutende Methode („Deep Learning“), die notwendig ist, um z.B autonom fahrende Autos zu entwerfen, oder um z.B Katzenbilder per Computer in großen Bilderbibliotheken finden zu können (Bilderkennung).

TensorFlow ist eine sehr leistungsfähige offene Bibliothek, welche die programmatische Umsetzung dieser Deep Learning Methode erlaubt. Sie stammt ursprünglich von Google.

Der Kurs deckt beide Teile umfassend ab, wie die Kursübersicht verrät:

„Week 1: Getting Started with Deep Learning
Week 2: Building TensorFlow Applications
Week 3: Deep Networks and Sequence Models
Week 4: Convolutional Networks
Week 5: Industry Applications of Deep Learning
Week 6: Advanced Deep Learning Topics“

Interessant ist auch, dass Sie jeweils Zugang zu den notwendigen Systemen bekommen, um die Programmierung auch praktisch zu lernen.

Weiterführende Informationen

Das Original dieses Artikels ist auf Der Produktmanager erschienen (©Andreas Rudolph). Folgeartikel zum Thema gibt es über die (→Mailingliste), oder indem Sie →mir auf Twitter folgen.

In der Online Version des Artikels finden Sie hier die versprochenen weiterführenden Links:

Comments are closed.