Maschinelles Lernen lernen

Maschinelles Lernen braucht Python, etwas Mathematik und viele kleine Experimente. Beginne mit einfachen Modellen und echten Daten, bevor du zu Deep Learning gehst.

Passt für: Menschen mit Programmiergrundlagen, die mit Daten und Modellen arbeiten wollen. Typischer Aufwand: insgesamt 250–400 Stunden, je nach Vorwissen.

Die übliche Reihenfolge

1. 1
   Python für Daten≈ 40 Std.

   NumPy, pandas und Diagramme.
2. 2
   Die nötige Mathematik≈ 50 Std.

   Grundlagen in linearer Algebra, Wahrscheinlichkeit und Statistik.
3. 3
   Klassische Modelle≈ 60 Std.

   Regression, Entscheidungsbäume und faires Testen eines Modells.
4. 4
   Deep Learning≈ 80 Std.

   Neuronale Netze mit PyTorch oder TensorFlow.
5. 5
   Projekte≈ 60 Std.

   Zwei Projekte mit echten Daten, öffentlich geteilt.

Kostenlos oder kostenpflichtig?

Für jeden Schritt gibt es gute kostenlose Kurse; kostenpflichtige bieten meist ein Zertifikat, Feedback von Lehrenden oder feste Termine. Prüfe vor dem Bezahlen den aktuellen Preis, die Termine und Altersgrenzen direkt beim Anbieter.

Wo du Kurse findest

Suche auf diesen Plattformen nach „Maschinelles Lernen“. Vergleiche vor der Wahl Bewertungen, Preise und das Datum der letzten Aktualisierung.

• Coursera
• edX
• Udemy
• Khan Academy
• YouTube

Hol dir einen Plan mit echten Kursen

Stepora macht aus diesem Überblick einen Plan mit konkreten Kursen in der richtigen Reihenfolge, passend zu deinem Niveau, Budget und deiner freien Zeit. Kostenlos und in einer halben Minute.

Die Stunden sind grobe, typische Werte, keine Versprechen. Pläne erstellt eine KI, sie können Fehler enthalten.