21 bedste kurser i maskinlæring til opkvalificering i 2026

Maskinlæring er en uundværlig kompetence for enhver teknologileder i dag. Men det kan føles overvældende at komme i gang: Hvordan bevæger du dig ud over det grundlæggende for at håndtere udfordringer fra den virkelige verden som overtilpasning af modeller, implementering af løsninger i stor skala eller håndtering af ubalancerede datasæt? Alle, der arbejder professionelt med maskinlæring, støder før eller siden på disse udfordringer, og det er afgørende at finde de rette læringsressourcer for at overvinde dem.

Uanset om du ønsker at finpudse din viden om neurale netværk, mestre implementeringsteknikker til maskinlæringsmodeller eller forstå bedste praksis for håndtering af problemer med datakvalitet, kan et målrettet kursus gøre hele forskellen. I denne guide gennemgår vi de bedste kurser i maskinlæring – nøje udvalgt til at hjælpe teknologiledere med at navigere i maskinlæringens kompleksitet og opbygge anvendelige færdigheder, der fører til succes i den virkelige verden.

Her er nogle af de bedste kurser i maskinlæring, som dækker kritiske begreber, praktiske anvendelser og avancerede strategier for alle, der ønsker at udbygge deres ekspertise inden for kunstig intelligens.

Kort liste over de bedste kurser i maskinlæring

Her er min korte liste over de bedste kurser i maskinlæring, som jeg mener er din tid værd i 2026:

1. Specialisering i maskinlæring (Stanford University)
2. Datavidenskab: Maskinlæring (Harvard University)
3. Maskinlæring for alle (DataCamp)
4. Maskinlæring A-Z: AI, Python & R + ChatGPT-præmie (Udemy)
5. Maskinlæring i erhvervslivet (MIT Professional Education)
6. Specialisering i dyb læring (DeepLearning.AI)
7. Vigtig træning i NLP med Python til maskinlæring (LinkedIn Learning)
8. Specialisering i maskinlæring på Google Cloud (Google Cloud)
9. Maskinlæring med Python: Grundlæggende principper (LinkedIn Learning)
10. Grundlæggende maskinlæring i Python (DataCamp)
11. Maskinlæringsalgoritmer (Great Learning)
12. Avanceret maskinlæring på Google Cloud (Google Cloud) 
13. Opbygning af anbefalingssystemer med maskinlæring og AI (LinkedIn Learning) 
14. Grundlæggende principper for maskinlæring (Microsoft Learn) 
15. Grundlæggende maskinlæring og AI: Lineær regression (LinkedIn Learning)
16. Maskinlæring: Grundlæggende principper og algoritmer (CMU) 
17. Grundlæggende kunstig intelligens: Maskinlæring (LinkedIn Learning) 
18. Maskinlæring fra start til slut med TensorFlow på GCP (Google Cloud) 
19. Professionelt certifikat i maskinlæring fra IBM (IBM)
20. Maskinlæring og AI med Python (Harvard University)
21. Grundlæggende principper for big data og maskinlæring på Google Cloud (Google Cloud) 

Find flere oplysninger om hvert kursus nedenfor.

Oversigt over de bedste kurser i maskinlæring

1. Specialisering i maskinlæring (Stanford University)

Dette kursus giver en grundlæggende introduktion til maskinlæring gennem tre kurser, der er designet til at opbygge AI-applikationer til den virkelige verden. Det undervises af Andrew Ng og dækker det grundlæggende inden for superviseret, ikke-superviseret og forstærkende læring med fokus på praktisk modeludvikling

• Hvem er det til: Personer, der er interesserede i at lære det grundlæggende inden for maskinlæring
• Emner:
  • Maskinlæringsmodeller ved hjælp af NumPy og scikit-learn
  • Superviseret læring med lineær og logistisk regression
  • Neurale netværk og multiklasseklassifikation med TensorFlow
  • Beslutningstræer og ensemblemetoder
  • Ikke-superviseret læring, herunder klyngedannelse og anomalidetektion
  • Anbefalingssystemer ved hjælp af kollaborativ filtrering og dyb læring
  • Modeller til dyb forstærkende læring 

• Online, fysisk eller begge dele?: Online
• Kræves der eksamen?: Nej
• Varighed: 2 måneder 
• Hvor mange undervisningstimer: 10 timer om ugen (selvstyret)
• Krav for deltagelse: Kendskab til grundlæggende kodning og matematik på gymnasieniveau
• Pris: Tilmeld dig gratis 
• Tag kurset: Coursera

2. Datavidenskab: Maskinlæring (Harvard University)

Dette kursus er en del af Harvards professionelle certifikat i datavidenskab og fokuserer på maskinlæringsteknikker til opbygning af prædiktive modeller ved hjælp af datasæt. Det omfatter praktisk erfaring med at skabe et filmanbefalingssystem for at forstå vigtige algoritmer, regularisering og krydsvalidering.

• Hvem er det til: Begyndere, der er interesserede i datavidenskab og maskinlæring
• Emner:
  • Grundlæggende maskinlæring
  • Populære maskinlæringsalgoritmer
  • Teknikker til krydsvalidering
  • Betydningen af regularisering
  • Opbygning af et anbefalingssystem
• Online, fysisk eller begge dele?: Online
• Kræves der eksamen?: Nej
• Varighed: 8 uger
• Hvor mange undervisningstimer: 2 til 4 timer om ugen (selvstyret)
• Krav for deltagelse: Ingen
• Pris:
  • Uden certifikat: Gratis
  • Med certifikat: $149
• Tag kurset: Harvard

3. Maskinlæring for alle (DataCamp)

Dette kursus er en omfattende introduktion til maskinlæring og dækker centrale områder såsom overvåget, ikke-overvåget og dyb læring. Det indeholder vejledninger og praktiske øvelser, der hjælper med at forstå begreber som klyngedannelse, neurale netværk, modelevaluering og indsigt i, hvordan maskinlæring anvendes i forskellige brancher. 

• Hvem er det til: Personer uden tidligere erfaring med maskinlæring
• Emner, der dækkes:
  • Forståelse af maskinlæring
  • Introduktion til Python og dets funktioner
  • Overvåget læring med scikit-learn
  • Introduktion til dyb læring med PyTorch
  • Forstærkningslæring i Python 
• Online, fysisk fremmøde eller begge dele: Online
• Kræves der en eksamen: Nej
• Varighed: 113 timer
• Hvor mange undervisningstimer: Selvstyret
• Adgangskrav: Ingen
• Pris: $13 for individuelt DataCamp-abonnement
• Tag kurset: DataCamp

4. Maskinlæring A-Z: AI, Python & R + ChatGPT-præmie [2024] (Udemy)

Dette kursus giver en omfattende introduktion til maskinlæring med trinvis vejledning i at oprette algoritmer i både Python og R samt casestudier af anvendelser i den virkelige verden. Det indeholder kodeeksempler, der kan downloades, til hvert projekt, så deltagerne kan øve sig og effektivt opbygge deres modeller.

• Hvem er det til: Begyndere til øvede inden for maskinlæring
• Emner, der dækkes:
  • Klassifikationsteknikker
  • Metoder til klyngedannelse
  • Naturlig sprogbehandling
  • Dimensionsreduktion
  • Modeludvælgelse og boosting 
• Online, fysisk fremmøde eller begge dele: Online
• Kræves der en eksamen: Nej
• Varighed: 42 timer og 48 minutter 
• Hvor mange undervisningstimer: Selvstyret
• Adgangskrav: Matematik på gymnasieniveau
• Pris:
  • Udemy-abonnement: $20 
  • Engangsbetaling: $149.99
• Tag kurset: Udemy

5. Maskinlæring i forretningsverdenen (MIT Professional Education)

Dette kursus undersøger det grundlæggende i maskinlæring fra et forretningsmæssigt perspektiv og giver deltagerne mulighed for at forstå de praktiske anvendelser og den strategiske værdi. Det er udviklet af MIT’s Sloan School of Management og Laboratoriet for datalogi og kunstig intelligens (CSAIL) og fokuserer på at integrere indsigter fra maskinlæring i beslutninger med stor effekt.  

• Hvem er det til: Erhvervsfolk, der er interesserede i at anvende maskinlæring
• Emner:
  • Grundlæggende maskinlæring til erhvervsmæssige anvendelser
  • Forståelse af datadrevne beslutningsprocesser
  • Begrænsninger og anvendelsesområde for maskinlæring i erhvervslivet
  • Integration af AI i forretningsstrategien
  • Casestudier af maskinlæringens indvirkning på forskellige brancher
• Online, fysisk fremmøde eller begge dele: Online
• Kræves eksamen: Nej
• Varighed: 6 uger
• Hvor mange undervisningstimer: 4-6 timer om ugen (selvstudie)
• Krav til deltagelse: Ingen
• Pris: $3,500
• Tag kurset: MIT Professional Education

6. Specialisering i dyb læring (DeepLearning.AI)

Dette kursus dækker vigtige arkitekturer som CNN'er, RNN'er, LSTM'er og transformere. Det underviser i teoretiske og praktiske anvendelser, såsom talegenkendelse og maskingenkendelse, gennem Python og TensorFlow og lægger vægt på bedste praksis for træning af modeller og forståelse af komplekse opsætninger inden for maskinlæring. 

• Hvem er det til: Personer, der er interesserede i dyb læring og neurale netværk
• Emner:
  • Grundlæggende om neurale netværk
  • Bedste praksis for udvikling af testsæt
  • Diagnosticering af fejl i systemer
  • Følgemodeller 
• Online, fysisk fremmøde eller begge dele: Online
• Kræves eksamen: Nej
• Varighed: 3 måneder
• Hvor mange undervisningstimer: 10 timer om ugen (selvstudie)
• Krav til deltagelse:
  • Mellemliggende Python-færdigheder
  • Grundlæggende kendskab til algebra og ML
• Pris: Gratis
• Tag kurset: Coursera

7. Grundlæggende træning i NLP med Python til maskinlæring (LinkedIn Learning)

Dette kursus giver deltagerne praktiske færdigheder i rensning, behandling og analyse af ustrukturerede tekstdata. Det introducerer grundlæggende NLP-begreber, avanceret tekstrensning og vektoriseringsteknikker, som fører til udvikling af klassifikatorer til maskinlæring. Det undersøger også opbygning og evaluering af to typer maskinlæringsmodeller samt, hvordan man effektivt tester variationer af modeller. 

• Hvem det er til: Udviklere og dataforskere, der er interesserede i NLP
• Emner:
  • Grundlæggende NLP
  • Avancerede teknikker til datarensning
  • Metoder til tekstvektorisering
  • Vurdering af modellens nøjagtighed og effektivitet 
• Online, fysisk eller begge dele?: Online
• Kræves eksamen?: Nej
• Varighed: 4 timer og 14 minutter 
• Antal undervisningstimer: Selvstudie
• Adgangskrav: Ingen
• Pris:
  • Karriere: $39.99 
  • Læring for teams: $31.67 pr. bruger
• Tag kurset: LinkedIn Learning

8. Specialisering i maskinlæring på Google Cloud (Google Cloud)

Dette kursus gennemgår grundlæggende principper inden for maskinlæring og lærer dig, hvordan du opbygger, træner og implementerer modeller på Google Cloud ved hjælp af Vertex AI uden kodning. Det dækker opbygning af AutoML-modeller, oprettelse af BigQuery ML-modeller med SQL samt håndtering af data med Feature Store. 

• Hvem det er til: Personer, der er interesserede i cloudbaseret maskinlæring
• Emner:
  • Googles tilgang til maskinlæring
  • Forståelse af livscyklussen fra data til AI
  • Dataforberedelse og teknikker til udforskning
  • Grundlæggende principper i TensorFlow
  • Justering af hyperparametre ved hjælp af Vertex Vizier 
• Online, fysisk eller begge dele?: Online
• Kræves eksamen?: Nej
• Varighed: 1 måned
• Antal undervisningstimer: 10 timer om ugen (selvstudie)
• Adgangskrav: Ingen
• Pris: Gratis
• Tag kurset: Coursera

9. Maskinlæring med Python: Grundlag (LinkedIn Learning)

Dette kursus gennemgår grundlæggende principper inden for maskinlæring ved hjælp af Python. Det forklarer, hvordan maskiner lærer, de forskellige former for læring samt trinene til at indsamle, forstå og forberede data til analyse. Det indeholder guidede Python-eksempler for hvert trin samt opbygning og fortolkning af en maskinlæringsmodel. 

• Hvem er det til: Begyndere inden for maskinlæring, der bruger Python
• Emner:
  • Introduktion til maskinlæring og forskellige typer
  • Teknikker til dataindsamling og -forberedelse
  • Analyse af data for at finde mønstre og indsigter
  • Udvikling af maskinlæringsmodeller 
• Online, fysisk eller begge dele?: Online
• Kræves der eksamen?: Nej
• Varighed: 1 time og 54 minutter
• Antal undervisningstimer: Selvstudium
• Adgangskrav: Ingen
• Pris:
  • Karriere: $39.99 
  • Læring for teams: $31.67 pr. bruger 
• Tag kurset: LinkedIn Learning

10. Grundlæggende maskinlæring i Python (DataCamp)

Dette kursus introducerer det grundlæggende inden for maskinlæring ved hjælp af Python og gennemgår vigtige begreber inden for neurale netværk og dyb læring med PyTorch. Det omhandler overvåget læring via scikit-learn og ikke-overvåget læring til klyngedannelse og visualisering af data ved hjælp af scipy samt anvendelser af forstærkende læring. 

• Hvem er det til: Personer, der er nye inden for maskinlæring med Python
• Emner:
  • Overvåget og ikke-overvåget læring
  • Introduktion til dyb læring med PyTorch
  • Forstærkende læring med gymnasium i Python
• Online, fysisk eller begge dele?: Online
• Kræves der eksamen?: Nej
• Varighed: 16 timer 
• Antal undervisningstimer: Selvstudium
• Adgangskrav: Ingen
• Pris: $13 for et individuelt DataCamp-abonnement
• Tag kurset: DataCamp

11. Maskinlæringsalgoritmer (Great Learning)

Dette kursus introducerer grundlæggende maskinlæringsalgoritmer og giver både en teoretisk og praktisk forståelse af centrale teknikker. Det omfatter Python-baserede demonstrationer, der styrker forståelsen af begreber og praktiske færdigheder inden for overvåget og ikke-overvåget læring.

• Hvem er det til: Personer, der er interesserede i at forstå maskinlæringsalgoritmer
• Emner:
  • Introduktion til maskinlæring
  • Typer af maskinlæring (overvåget, ikke-overvåget, forstærkende)
  • Lineær regression
  • Naive Bayes-algoritmen
  • K-nærmeste naboer (KNN)
  • Supportvektormaskiner (SVM)
  • Algoritmen med tilfældig skov
• Online, fysisk eller begge dele? Online
• Er eksamen påkrævet? Nej
• Varighed: 1 time og 30 minutter 
• Hvor mange timers undervisning: 1 time og 30 minutter 
• Adgangskrav: Grundlæggende computerfærdigheder; kendskab til Python og matematik
• Pris: Gratis
• Tag kurset: Great Learning

12. Specialisering i avanceret maskinlæring på Google Cloud (Google Cloud)

Denne specialisering fokuserer på avancerede emner inden for maskinlæring og lærer deltagerne, hvordan de optimerer, implementerer og skalerer produktionsklare modeller til strukturerede data, billeder og naturligt sprog. Den omfatter praktiske laboratorieøvelser via Qwiklabs, hvor deltagerne kan anvende koncepterne ved hjælp af Google Cloud-værktøjer. 

• Hvem er det til: Fagfolk, der ønsker avanceret viden om maskinlæring på Google Cloud
• Emner:
  • Design af skalerbare maskinlæringssystemer
  • Grundlæggende computerseende med Google Cloud 
  • Naturlig sprogbehandling på Google Cloud
  • Komponenter i anbefalingssystemer
• Online, fysisk eller begge dele? Online
• Er eksamen påkrævet? Ingen
• Varighed: 2 måneder 
• Hvor mange timers undervisning: 10 timer om ugen (lær i eget tempo)
• Adgangskrav: Beregnet til fagfolk i branchen 
• Pris: Gratis
• Tag kurset: Coursera

13. Opbygning af anbefalingssystemer med maskinlæring og AI (LinkedIn Learning)

Dette kursus giver praktisk træning i design af anbefalingssystemer og dækker vigtige teknikker som kollaborativ filtrering, matrixfaktorisering og dyb læring. Det giver praktisk erfaring med at bruge rammeværker og værktøjer som TensorFlow og AWS SageMaker til at opbygge skalerbare anbefalingsmodeller. 

• Hvem er det til: Udviklere og dataforskere med interesse for anbefalingssystemer
• Emner:
  • Introduktion til anbefalingssystemer
  • Teknikker til kollaborativ filtrering
  • Metoder til matrixfaktorisering
  • Tilgange til dyb læring
  • Håndtering af data i stor skala 
• Online, fysisk fremmøde eller begge dele? Online
• Eksamen påkrævet? Nej
• Varighed: 9 timer og 5 minutter
• Hvor mange undervisningstimer: Selvstudie
• Kvalifikationskrav: Ingen
• Pris:
  • Karriere: $39.99 
  • Læring for teams: $31.67 pr. bruger 
• Tag kurset: LinkedIn Learning

14. Grundlæggende om maskinlæring (Microsoft Learn)

Dette kursus introducerer de grundlæggende begreber inden for maskinlæring med fokus på centrale principper og metoder til modelevaluering. Det omfatter praktisk arbejde med automatiseret maskinlæring ved hjælp af Azure Machine Learning-tjenesten.

• Hvem er det til: Begyndere, der ønsker at lære det grundlæggende inden for maskinlæring
• Emner:
  • Centrale begreber inden for maskinlæring
  • Typer af maskinlæring
  • Træning og evaluering af maskinlæringsmodeller
  • Introduktion til dyb læring
  • Automatiseret maskinlæring med Azure 

• Online, fysisk fremmøde eller begge dele? Online
• Eksamen påkrævet? Nej
• Varighed: 1 time og 56 minutter 
• Hvor mange undervisningstimer: 1 time og 56 minutter 
• Kvalifikationskrav:
  • Grundlæggende kendskab til matematik
  • Kendskab til Microsoft Azure og cloudcomputing
• Pris: Gratis
• Tag kurset: Microsoft Learn

15. Grundlæggende maskinlæring & AI: Lineær regression (LinkedIn Learning)

Dette kursus giver et omfattende overblik over lineære regressioner med fokus på anvendelser fra den virkelige verden, såsom forudsigelse af boligværdier, kunders forbrug og aktiekurser. Det gennemgår vigtige teknikker inden for simpel og multipel lineær regression samt forståelse af regressionsbegreber frem for softwaremekanik med indblik i SPSS. 

• Hvem er det for: Alle, der er interesserede i at forstå lineær regression
• Emner:
  • Introduktion til lineær regression
  • Udarbejdelse og fortolkning af punktdiagrammer
  • Tilgange til opbygning af regressionsmodeller
  • Alternativer til regression
• Online, fysisk eller begge dele? Online
• Kræves der en eksamen? Nej
• Varighed: 4 timer og 5 minutter 
• Hvor mange undervisningstimer: Selvstudium
• Adgangskrav: Ingen
• Pris:
  • Karriere: $39.99 
  • Læring for teams: $31.67 pr. bruger 
• Tag kurset: LinkedIn Learning

16. Maskinlæring: Grundlæggende principper og algoritmer (CMU)

Dette kursus tilbyder dybdegående undervisning i de tekniske grundlag og algoritmer inden for maskinlæring med fokus på forudsigelses-, klassifikations- og optimeringsteknikker. Det kombinerer matematisk teori med praktiske kodningsøvelser for at opbygge færdigheder, der kan anvendes inden for sundhedspleje og dataanalyse.

• Hvem er det for: Fagfolk med erfaring i Python, som ønsker at uddybe deres forståelse af maskinlæring og dets matematiske grundlag
• Emner:
  • Grundlæggende principper for maskinlæringsmetoder
  • Forudsigelses- og klassifikationsmodeller
  • Regressions- og klyngealgoritmer
  • Sandsynlighed, statistik og optimeringsteknikker
  • Anvendelser inden for sundhedspleje og datadrevet analyse
• Online, fysisk eller begge dele? Online
• Kræves der en eksamen? Ja
• Varighed: 10 uger 
• Hvor mange undervisningstimer: 5 til 10 timer om ugen 
• Adgangskrav:
  • Erfaring med Python-programmering 
  • Kendskab til lineær algebra, infinitesimalregning, sandsynlighed og statistik på gymnasieniveau
• Pris: $2,500
• Tag kurset: CMU

17. Grundlag i kunstig intelligens: Maskinlæring (LinkedIn Learning)

Dette kursus introducerer livscyklussen for maskinlæring og guider deltagerne gennem indsamling og klargøring af data, valg af algoritmer og træning af modeller. Det gennemgår centrale metoder inden for maskinlæring og lægger vægt på praktiske færdigheder i evaluering af modelydeevne ved hjælp af standardmålinger uden nogen forudsætninger. 

• Hvem er det til: Personer, der er nye inden for AI og maskinlæring
• Emner, der dækkes:
  • Introduktion til maskinlæring
  • Typer af maskinlæring
  • Maskinlæringsalgoritmer
  • Dataforberedelse og funktionsteknik
  • Etiske overvejelser inden for maskinlæring 
• Online, fysisk fremmøde eller begge dele? Online
• Er eksamen påkrævet? Nej
• Varighed: 1 time og 50 minutter 
• Hvor mange timers undervisning: 1 time og 50 minutter 
• Adgangskrav: Ingen
• Pris:
  • Karriere: $39.99 
  • Læring for teams: $31.67 pr. bruger 
• Tag kurset: LinkedIn Learning

18. Maskinlæring fra start til slut med TensorFlow på GCP-kursus (Google Cloud)

Dette kursus giver en interaktiv og praktisk tilgang til opbygning af en maskinlæringspipeline fra start til slut med TensorFlow på Google Cloud Platform. Det guider deltagerne fra dataudforskning over modelimplementering til generering af forudsigelser i realtid.

• Hvem er det til: Udviklere og maskinlæringsingeniører
• Emner, der dækkes:
  • Dataudforskning og forbehandling
  • Modeltræning med TensorFlow
  • Implementering af modeller på Google Cloud Platform
  • Opsætning af forudsigelser i realtid
  • Arbejdsgangsautomatisering for ML-modeller
• Online, fysisk fremmøde eller begge dele? Online
• Er eksamen påkrævet? Nej
• Varighed: 3 timer og 15 minutter 
• Hvor mange timers undervisning: Selvstudie
• Adgangskrav: Grundlæggende kendskab til TensorFlow
• Pris: $29 for et Pluralsight-abonnement 
• Tag kurset: Pluralsight

19. IBMs professionelle certifikat i maskinlæring (IBM)

Dette kursus tilbyder undervisning i maskinlæring ved hjælp af værktøjer og biblioteker med åben kildekode og dækker en omfattende række algoritmer og teknikker til virkelige anvendelser. Det omfatter guidede laboratorieøvelser, projekter og et afsluttende projekt, der opbygger jobparate færdigheder inden for maskinlæring. 

• Hvem det er til: Kommende fagfolk inden for maskinlæring
• Emner:
  • Overvåget og ikke-overvåget læring
  • Regressions- og klassifikationsmodeller
  • Teknikker til klyngedannelse
  • Beslutningstræer og ensemblelæring
  • Dimensionsreduktion
  • Dyb læring og forstærkningslæring
  • Eksplorativ dataanalyse og udvikling af funktioner
• Online, fysisk fremmøde eller begge dele? Online
• Eksamen påkrævet? Ja
• Varighed: 3 måneder 
• Hvor mange timers undervisning: 10 timer om ugen (selvstudie)
• Adgangskrav: Ingen
• Pris: Tilmeld dig gratis 
• Tag kurset: Coursera

20. Maskinlæring og kunstig intelligens med Python (Harvard University)

Dette kursus indeholder grundlæggende færdigheder, som udvides med avancerede algoritmer som bootstrap-aggregering, tilfældige skove og gradientforstærkning. Gennem anvendelse på data fra den virkelige verden vejleder det de studerende i at analysere processer, evaluere resultater og måle effektiviteten af maskinlæringsteknikker. Derudover lægges der vægt på at teste forudsigelser og analysere resultater for at forhindre overtilpasning. 

• Hvem det er til: Personer, der er interesserede i at anvende Python til maskinlæring
• Emner:
  • Forståelse af algoritmer til beslutningstræer
  • Udforskning af bootstrap-aggregering og tilfældige skove
  • Teknikker til prædiktiv ydeevne
  • Model-evaluering og begrænsning af databias 
• Online, fysisk fremmøde eller begge dele? Online
• Eksamen påkrævet? Nej
• Varighed: 6 uger 
• Hvor mange timers undervisning: 4 til 5 timer om ugen (selvstudie)
• Adgangskrav: Kendskab til Python
• Pris: Gratis
• Tag kurset: Harvard University

21. Google Cloud: Grundlæggende begreber inden for store datamængder og maskinlæring (Google Cloud)

Dette kursus introducerer vigtige begreber og værktøjer til håndtering af store datamængder og maskinlæring på Google Cloud. Det vejleder de studerende i at bruge Google Clouds funktioner til store datamængder og maskinlæring til databehandling og -analyse.

• Hvem det er til: Dataingeniører og analytikere, der ønsker at bruge Google Cloud
• Emner dækket:
  • Google Clouds Big Data- og ML-økosystem
  • Databehandling med BigQuery og Dataflow
  • Muligheder for datalagring i Google Cloud
  • Brug af AI Platform til maskinlæring
  • Praktiske laboratorieøvelser med Google Cloud-værktøjer

• Online, fysisk fremmøde eller begge dele? Online
• Kræves eksamen? Nej
• Varighed: 9 timer 
• Hvor mange undervisningstimer: Selvstudie
• Adgangskrav: Ingen
• Pris: Gratis
• Tag kurset: Coursera

Hvad er det næste? 

Styrk din SaaS-vækst og dine lederevner. Tilmeld dig vores nyhedsbrev for at få de seneste indsigter fra CTO'er og håbefulde teknologiledere. Vi hjælper dig med at skalere smartere og lede stærkere med vejledninger, ressourcer og strategier fra førende eksperter!