Class Central is learner-supported. When you buy through links on our site, we may earn an affiliate commission.

Amazon Web Services

Machine Learning Essentials for Business and Technical Decision Makers (German)

Amazon Web Services and Amazon via AWS Skill Builder

Overview

Save Big on Coursera Plus. 7,000+ courses at $160 off. Limited Time Only!

Kursbeschreibung

In diesem dreiteiligen Kurs lernen Sie die besten Praktiken und Empfehlungen für Machine Learning (ML) kennen. Der Kurs untersucht, wie eine Roadmap für die Integration von ML in Ihre Geschäftsprozesse durchgeführt wird, untersucht Anforderungen, um festzustellen, ob ML die geeignete Lösung für ein Geschäftsproblem ist, und beschreibt, welche Komponenten für eine erfolgreiche organisatorische Einführung von ML benötigt werden.


• Kursstufe: Grundlagenkurs

• Dauer: 90 Minuten


Aktivitäten

Dieser Kurs beinhaltet Präsentationen, Videos und Wissenstests.


Lernziele des Kurses

In diesem Kurs lernen Sie:

• Verstehen der Grundlagen des Machine Learnings, um die Vorteile und Risiken im Zusammenhang mit der Einführung von ML in verschiedenen Business Cases zu bewerten

• Identifizieren der Daten-, Zeit- und Produktionsanforderungen für ein erfolgreiches ML-Projekt

• Beschreiben, wie eine Organisation angepasst werden kann, um mit ML Erfolg zu erzielen und diesen aufrechtzuerhalten


Zielgruppe

Dieser Kurs ist konzipiert für:

• Nichttechnische Führungskräfte und andere geschäftliche Entscheidungsträger, die an ML-Projekten beteiligt sind oder sein werden

• Teilnehmer des Programms „AWS Machine Learning Embark“ und der Discovery-Workshops für Machine Learning Solutions Lab (MLSL)


Voraussetzungen

Idealerweise erfüllen die Kursteilnehmer folgende Voraussetzungen:

• Grundkenntnisse über Computer und Computersysteme

• Einige konzeptuelle Grundkenntnisse des Machine Learnings

Kursübersicht

Kurs 1: Introduction to Machine Learning: Art of the Possible


Modul 1. Wie kann Machine Learning helfen?

• Definieren von Machine Learning

• Beschreiben der positiven Feedback-Schleife (Flywheel), die ML-Projekte antreibt

• Beschreiben der verschiedenen Geschäftsbereiche, die vom Machine Learning betroffen sind

• Beschreiben des Potenzials für Machine Learning in unterversorgten Märkten

Modul 2. Wie funktioniert Machine Learning?

• Beschreiben künstlicher Intelligenz

• Beschreiben des Unterschieds zwischen künstlicher Intelligenz und Machine Learning

Modul 3. Was sind einige potenzielle Probleme beim Machine Learning?

• Beschreiben der Unterschiede zwischen einfachen und komplexen Modellen

• Verstehen von Unerklärbarkeits- und Unsicherheitsproblemen mit Machine-Learning-Modellen

Modul 4. Fazit


Kurs 2: Planen eines Machine-Learning-Projekts

Modul 1. Ist eine ML-Lösung für mein Problem geeignet?

• Erklären, wie Sie feststellen können, ob ML die geeignete Lösung für Ihr Geschäftsproblem ist

Modul 2. Sind meine Daten bereit für Machine Learning?

• Beschreiben des Prozesses, um sicherzustellen, dass Ihre Daten für ML bereit sind

Modul 3. Wie wirkt sich Machine Learning auf eine Projektzeitleiste aus?

• Erklären, wie sich ML auf eine Projektzeitleiste auswirken kann

Modul 4. Welche Fragen sollte ich bei der Bereitstellung schon früh stellen?

• Identifizieren von Fragen, die sich auf die ML-Bereitstellung auswirken

Modul 5: Fazit


Kurs 3: Aufbauen einer Organisation, die für ML bereit ist

Modul 1. Wie kann ich meine Organisation auf die Verwendung von ML vorbereiten?

• Wie kann ich meine Organisation auf die Verwendung von ML vorbereiten?

• Wie kann AWS mir helfen?

• Welche anderen Strategien kann ich anwenden, um den organisatorischen Erfolg sicherzustellen?

• Welcher Ansatz für einen kulturellen Wandel funktioniert für meine Organisation?

Modul 2. Wie bewerte ich meine Datenstrategie?

• Wie bewerte ich meine Datenstrategie?

• Wie kann ich meine Datenstrategie verbessern?

Modul 3. Wie schaffe ich eine Kultur des Lernens und der Zusammenarbeit?

• Wie schaffe ich eine Kultur des Lernens und der Zusammenarbeit?

• Was ist ein Datenwissenschaftler?

• Welche Fähigkeiten sollte ein Datenwissenschaftler haben?

• Wie sieht ein Pilot-ML-Team aus?

• Welche anderen unterstützenden Rollen brauche ich?

• Was sind die wichtigsten Verantwortlichkeiten?

Modul 4. Wie beginne ich meinen ML-Prozess?

• Wie beginne ich meinen ML-Prozess?

• Wie sieht der ML-Prozess einer Organisation aus?

• Was ist ein Beispiel für einen Business Case für den Fortschritt einer Organisation?

Modul 5: Fazit

Reviews

Start your review of Machine Learning Essentials for Business and Technical Decision Makers (German)

Never Stop Learning.

Get personalized course recommendations, track subjects and courses with reminders, and more.

Someone learning on their laptop while sitting on the floor.