Nanodegree-Programm

Machine Learning Engineer

Entwickle intelligente, selbstlernende Algorithmen

Maschinelles Lernen ist überall. Wir bekommen es nur kaum mit, während wir Google Translate, Siri oder Facebooks Newsfeed benutzen. Vor uns zeichnet sich eine der bedeutendsten Entwicklungen der Computer-Wissenschaft ab. Die Industrie hat den enormen Nutzen dieser sinngebenden Anwendungen für riesige Datenvolumen früh erkannt und nutzt ihn immer öfter und diverser. In diesem Kurs lernst du die Prinzipien des Machine Learning entlang der gängigen Werkzeuge und Technologien. So erschließt sich den Lernenden, wie man Vorhersagemodelle auf große Datensätze anwendet – egal, ob für den Finanz-, Gesundheits-, Wissenschafts- oder Bildungsbereich.

Jetzt loslegen!
In Zusammenarbeit mit
  • Kaggle
  • SAP
Zeitachse
Ca.420hours
Niveau
Profis

Anmeldung

Mit Udacity setzt du deine Karriere dort fort, wo du willst.

Nanodegree STANDARD

Nanodegree-Programm

(Weiter-)Bildung at its best. Deine Vorteile auf einen Blick:

  • Zugang zum Kursmaterial

    Inhalte und Skills, die von Branchenführern gesucht werden

  • Persönliches Feedback

    Frühe und gründliche Kritik deiner Projekte

  • Portfolio & Zertifikat

    Branchenoptimales Portfolio und anerkanntes Zertifikat

  • Persönliche Karriereberatung (Vorstellungsgespräch, Lebenslauf, etc.)

    Kontakt zu unseren Partnerunternehmen

€200 / month
Jetzt loslegen!

Kursplan

project 1

Erkundung der Überlebenschancen auf der Titanic

In diesem einleitenden Modul lernst du, Entscheidungsfunktionen zu erstellen, die versuchen, die Überlebenschancen jedes einzelnen Passagiers beim Unglück der Titanic im Jahr 1912 vorauszusagen, basierend auf Parametern wie Alter und Geschlecht. Du fängst mit einfachen Algorithmen an und steigerst deren Komplexität, bis du anhand der mitgelieferten Daten die Überlebenschancen von mindestens 80% der Passagiere präzise vorhersagen kannst. Dieser Nanodegree-Kurs macht dich mit grundlegenden Konzepten des maschinellen Lernens vertraut.

project 2

Immobilienpreise in Boston vorhersagen

Der Immobilienmarkt in Boston ist sehr wettbewerbsintensiv, angenommen du willst der beste Makler in dieser Region sein. Um es mit deiner Konkurrenz aufnehmen zu können, entscheidest du dich, einige einfache Konzepte des maschinellen Lernens wirksam zur Ermittlung des besten Verkaufspreises für das Haus deines Kunden einzusetzen. Zum Glück bist du im Besitz eines Datensatzes zum Bostoner Immobilienmarkt, der aggregierte Daten zu verschiedenen Merkmalen von Häusern und Wohnungen im Großraum Boston enthält, inklusive des Medianwerts für Häuser in jedem einzelnen Stadtviertel. Deine Aufgabe besteht darin, ein optimales Modell zu entwickeln, das auf der statistischen Auswertung mit den verfügbaren Tools basiert. Dieses Modell verwendest du anschließend, um den besten Verkaufspreis für das Haus deines Kunden zu ermitteln.

project 3

Ein Interventionssystem für Studierende entwickeln

Da sich das Bildungssystem zunehmend auf Technologien stützt, stehen auch immer mehr Daten zur Untersuchung und für die Vorhersage zur Verfügung. Beispielsweise sind Logs von Aktivitäten der Studierenden, Noten, Interaktionen mit Dozenten und Mitstudierenden jetzt in Echtzeit verfügbar. Die Lehrenden verfolgen neue Methoden, um Erfolg oder Misserfolg früh genug vorhersagen zu können, so dass effektive Interventionen möglich sind und darüber hinaus die Effektivität verschiedener Interventionen bestätigt werden kann. Dein Ziel besteht also darin, die Faktoren zu modellieren, die voraussagen, wie wahrscheinlich es ist, dass ein Student oder eine Studentin die Abschlussprüfung an der Hochschule besteht.

project 4

Kundensegmente erstellen

Die meisten Daten, die gesammelt werden, passen nicht unbedingt in schöne, klar abgegrenzte Kategorien. Oft sind die Daten nicht gekennzeichnet, und nicht nur das, auch die Kategorien sind unbekannt! In diesem Machine Learning Projekt versuchen wir anhand unstrukturierter Daten die Muster und natürlichen Kategorien, in die die Daten passen, zu erkennen. Zuerst lernst du nützliche Methoden zum Umgang mit unbezeichneten Daten kennen und dann wendest du diese Erkenntnisse auf einen Datensatz deiner Wahl an, so dass du erkennst, welche natürlichen Kategorien dieser beinhaltet.

project 5

Bring einem Auto das autonome Fahren bei

Ein Smartcab ist ein selbstfahrendes Auto aus der nicht allzu fernen Zukunft, das Menschen von einem beliebigen Ort zum anderen fährt. In diesem vierten Modul lernst du, wie man unter Zuhilfenahme von verstärkendem Lernen einem Smartcab das Fahren beibringt.

project 6

Capstone-Projekt

In diesem Capstone-Projekt greifst du auf das zurück, was du im Rahmen dieses Nanodegree-Kurses gelernt hast, und nutzt dein neues Wissen, um durch die Anwendung von Machine Learning Algorithmen und Techniken ein Problem deiner Wahl zu lösen. Zuerst definierst du das Problem, das du lösen willst, und untersuchst potentielle Lösungen und Leistungsmetriken. Als nächstes analysierst du das Problem unter Zuhilfenahme von Visualisierungen und Datenexplorationen, um ein besseres Verständnis davon zu erlangen, welche Algorithmen und Funktionen sich für die Lösung eignen. Anschließend implementierst du deine ausgewählten Algorithmen und Metriken und dokumentierst währenddessen die einzelnen Schritte von Preprocessing, Verfeinerung und Postprocessing. Danach erfasst du die Ergebnisse bezüglich der Leistungsfähigkeit der genutzten Modelle, visualisierst signifikante Mengen, und bestätigst und begründest diese Werte. Am Ende ziehst du Schlüsse aus deinen Resultaten und diskutierst, ob deine Umsetzung das Problem angemessen gelöst hat.

Was spricht für diesen Kurs?

Dieser Abschluss stattet dich mit den Schlüsselkompetenzen aus, die dich auf eine Stelle in Unternehmen vorbereiten, die nach Machine Learning Experten suchen oder die Techniken des maschinellen Lernens einführen wollen. Machine Learning ist quasi allgegenwärtig und oft auch da vorhanden, wo wir es gar nicht wahrnehmen. Google Translate, Siri und Facebook News Feeds sind nur einige der besonders bekannten Beispiele für die Omnipräsenz des maschinellen Lernens. Die Fähigkeit, Maschinen und Systeme zu entwickeln, die sich automatisch verbessern, macht das maschinelle Lernen zur absoluten Speerspitze der Technologie auf praktisch jedem Gebiet, das sich auf Daten stützt.

Was bekomme ich?
Job-ready project portfolio Personalized feedback on projects Coach-supported forums Career guidance (interview, resume, etc.) Access to course materials 1:1 appointments with Udacity staff and mentors Verified Nanodegree Credential Best-in-class courses taught by expert instructors

Nanodegree? Was ist das?

Wir wollen, dass sich die Nanodegree-Programme von Udacity durch ihre Praxis- und Karriereorientierung auszeichnen. Deshalb kooperieren wir mit Experten, die euch von Branchengrößen wie Google, Amazon oder Facebook optimierte Kursinhalte vermitteln. KursteilnehmerInnen erhalten regelmäßige Unterstützung von ihrem Tutor, direktes Feedback von den Experten und können sich in moderierten Foren untereinander austauschen.

AbsolventInnen erhalten ein anerkanntes Zertifikat, den sogenannten Nanodegree, und umfangreiche Unterstützung bei der Jobsuche. Unser wachsendes Netzwerk an Partnerunternehmen sorgt dafür, dass immer mehr AbsolventInnen aus dem Udacity Classroom heraus eingestellt werden. Udacity ist ein Schritt zu deinem Traumjob in der digitalen Welt. Am besten, du fängst heute an.

Voraussetzungen

Alle Studierenden, die sich für den Nanodegree-Kurs Machine Learning Engineer einschreiben wollen, sollten über folgende Kenntnisse verfügen, um das Machine Learning Tutorial erfolgreich absolvieren zu können:

  • Programmierkenntnisse, die über das Anfängerstadium hinausgehen und die man zum Beispiel in dem Kurs Programmieren für Anfänger oder anderen Programmierkursen erlernen kann, oder zusätzlich über Berufserfahrung als Software-Entwickler. Dazu gehören:
    • Ketten, Ziffern und Variablen
    • Aussagen, Operatoren und Ausdrücke
    • Listen, Tupel und Wörterbücher
    • Bedingungen und Schleifen
    • Verfahren, Objekte, Module und Bibliotheken
    • Fehlerbehebungen
    • Forschung und Dokumentation
    • Problemlösung
    • Algorithmen und Datenstrukturen

  • Statistische Kenntnisse, die über das Anfängerstadium hinausgehen, und die man zum Beispiel in dem Kurs Einführung in die Statistik erlernen kann. Dazu gehören:
    • Bestände, Stichproben
    • Mittelwert, Median und Modalwert
    • Standardfehler
    • Varianz und Standardabweichungen
    • Normalverteilung
    • Präzision und Genauigkeit

  • Kenntnisse in Infinitesimalrechnung und linearer Algebra, die über das Anfängerstadium hinausgehen und wie sie in dem Kurs Lineare Algebra Auffrischkurs vermittelt werden. Dazu gehören:
    • Ableitungen
    • Integrale
    • Reihenentwicklung
    • Matrizenmultiplikation durch Eigenwertprobleme

Hier findest du weitere Informationen zur Vorbereitung dazu.

Die Unterrichtssprache ist Englisch, also solltest du problemlos auf Englisch kommunizieren können (schriftlich und mündlich).

Detaillierte technische Voraussetzungen

Lerne von und mit den Besten

Arpan Chakraborty
Arpan Chakraborty

Course Developer

David Joyner
David Joyner

Course Developer

Machine Learning Engineer

Entwickle intelligente, selbstlernende Algorithmen