Grundlagenkurse
In den Grundlagenkursen werden die Grundlagen und Konzepte des maschinellen Lernens behandelt.
Wir empfehlen, sie in der folgenden Reihenfolge auszuführen.
Einführung in maschinelles Lernen
Eine kurze Einführung in maschinelles Lernen.
Neu
Machine Learning Crash Course
Ein praxisorientierter Kurs zu den wichtigsten Grundlagen des maschinellen Lernens.
Problem mit Bildausschnitten
Ein Kurs, der dabei hilft, reale Probleme Lösungen für maschinelles Lernen zuzuordnen.
Kurse für Fortgeschrittene
In den Kursen für Fortgeschrittene lernen Sie Tools und Techniken zur Lösung verschiedener Probleme beim maschinellen Lernen kennen.
Die Kurse sind unabhängig voneinander strukturiert. Nehmen Sie sie anhand der Interessen- oder Problemdomain.
Neu
Entscheidungswälder
Entscheidungsgesamtstrukturen sind eine Alternative zu neuronalen Netzwerken.
Empfehlungssysteme
Empfehlungssysteme generieren personalisierte Vorschläge.
Clustering
Clustering ist eine wichtige Strategie für unbeaufsichtigtes maschinelles Lernen, um verwandte Elemente zuzuordnen.
Generative Adversarial Networks
GANs erstellen neue Dateninstanzen, die Ihren Trainingsdaten ähneln.
Bildklassifizierung
Ist das ein Katzenbild oder ein Hund?
Leitfäden
In unseren Leitfäden finden Sie einfache Schritt-für-Schritt-Anleitungen zum Lösen häufiger ML-Probleme mithilfe von Best Practices.
ML-Regeln
Nutzen Sie diese Best Practices von Google, um ein besserer Machine Learning Engineer zu werden.
Leitfaden zu Menschen und KI
Dieser Leitfaden unterstützt UX-Fachleute, PMs und Entwickler dabei, gemeinsam an Themen und Fragen zum Thema KI-Design zu arbeiten.
Textklassifizierung
Dieser umfassende Leitfaden enthält eine Schritt-für-Schritt-Anleitung zur Lösung von Problemen bei der Textklassifizierung mit maschinellem Lernen.
Gute Datenanalyse
In diesem Leitfaden werden die Tricks beschrieben, mit denen Fachkräfte für Datenanalyse riesige Datasets bei Problemen mit maschinellem Lernen bewerten.
Playbook zur Feinabstimmung von Deep Learning
In diesem Leitfaden wird eine wissenschaftliche Methode erläutert, mit der das Training von Deep-Learning-Modellen optimiert werden kann.
Datenfallen
In diesem Leitfaden werden häufige Fehler beschrieben, die bei der Arbeit mit Daten und Statistiken auftreten können.
Einführung in verantwortungsbewusste KI
Dieser Leitfaden für Einsteiger gibt einen Überblick darüber, wie Fairness, Rechenschaftspflicht, Sicherheit und Datenschutz in KI-Systeme einfließen können.
Adversarial Testing für generative KI
Beispiel für einen Workflow für Adversarial Testing
Glossare
In den Glossaren werden Begriffe für maschinelles Lernen definiert.
