Unüberwachtes Lernen, Empfehlungssysteme und bestärkendes Lernen

Ein Großteil der weltweiten Daten ist unbeschriftet, und einige der leistungsstärksten KI-Systeme lernen, indem sie ihre Umgebung erkunden oder Nutzerpräferenzen verstehen. Dieser textbasierte Kurs führt Sie in die Grundlagen des unüberwachten Lernens, von Empfehlungssystemen und des Reinforcement Learning ein. Sie lernen zunächst grundlegende überwachte Modelle kennen und entwickeln dann Systeme, die komplexe Datensätze clustern, relevante Inhalte vorschlagen und autonome Entscheidungen treffen. Was Sie lernen werden: - Die grundlegende Logik von Clustering-Algorithmen wie K-Means und Anomalieerkennungsverfahren verstehen. - Kollaborative Filter- und inhaltsbasierte Empfehlungssysteme mithilfe moderner Deep-Learning-Prinzipien entwickeln. - Deep-Reinforcement-Learning-Modelle implementieren, einschließlich Zustands-Aktions-Wertfunktionen und Richtlinienoptimierung. - Moderne Vektordatenbanken und Einbettungstechniken zur Skalierung heutiger Empfehlungssysteme kennenlernen. - Bewertungsmetriken anwenden, um Präzision, Trefferquote und Sicherheit von Agenten für unüberwachtes und Reinforcement Learning zu beurteilen. Der Kurs beginnt mit der grundlegenden Terminologie und den mathematischen Grundlagen unbeschrifteter Daten, bevor er auf Empfehlungsalgorithmen und interaktive Reinforcement-Learning-Umgebungen eingeht. Sie lernen anhand detaillierter schriftlicher Erklärungen und schrittweiser Codebeispiele. Dieser Kurs richtet sich an Anfänger mit grundlegenden Python-Kenntnissen und ersten Erfahrungen im Bereich Machine Learning und erfordert keine Vorkenntnisse in fortgeschrittener KI. Beginnen Sie noch heute mit dem Lesen und erweitern Sie Ihr Machine-Learning-Repertoire mit diesen bahnbrechenden Techniken.