Maskinlæring Mestring
Intermediate
4.5
6 reviews
24 Learners
Updated 11/2025
Behersk hele spektret af maskinlæring med Python ved at kombinere praktiske færdigheder med et solidt teoretisk fundament. Opbyg modeller hurtigt med …
188
Chapters
21
Learning hours
182
Assignments
AI Assistant
Shareable Certificate
Resultater
Resultater
Track content
Related courses and projects
Udtalelser
Funktioner
Priser
Resultater
Resultater
Track content
Related courses and projects
Udtalelser
Funktioner
Priser
Hvad du vil lære
Building machine learning models with scikit-learn
Implementing regression techniques for forecasting
Understanding reinforcement learning basics
Preprocessing data using Scikit-learn tools
Applying classification methods to complex data
Designing and training neural networks
Creating pipelines for efficient data processing
Exploring clustering for pattern recognition
Evaluating models with classification metrics
Learning track content
Lær om maskinlæringskoncepter og arbejdsgangen i et ML-projekt.
Forbehandling er sandsynligvis den vigtigste fase i et ML-projekt. Dette kapitel dækker de forbehandlingsskridt, der er nødvendige for næsten ethvert datasæt.
Scikit-learn-Koncepter
Bliv Fortrolig med Datasættet
Håndtering af Manglende Værdier
Udfordring: Imputering af Manglende Værdier
Ordinalencoder
One-Hot Encoder
Labelencoder
Udfordring: Kodning af Kategoriske Variabler
Hvorfor Skalere Data?
Standardscaler, Minmaxscaler, Maxabsscaler
Udfordring: Skalering af Funktionerne
En pipeline er en elegant måde at kombinere alle forbehandlingsskridt samt en model. Pipelines gør det meget nemmere at træne og anvende en model.
Modellering er den mest underholdende fase i et ML-projekt. Lad os lære at opbygge, finjustere og evaluere modellen!
Undersøg grundlaget for matematiske funktioner. Lær om forskellige typer algebraiske og transcendentale funktioner, deres egenskaber, og hvordan de implementeres i Python til løsning af virkelige problemer.
Introduktion til Funktioner
Grundlæggende om Jupyter Notebook
Implementering af Grundlæggende Funktioner i Python
Algebraiske Funktioner
Implementering af Identitets-Kvadratiske Funktioner i Python
Implementering af Rationale Funktioner i Python
Udfordring: Maksimering af Profit ved Hjælp af Kvadratiske Funktioner
Transcendentale Funktioner
Implementering af Eksponential-Logaritmefunktioner i Python
Implementering af Sinusformede-Tangens Funktioner i Python
Behersk begreberne mængder og rækker, fra grundlæggende operationer til praktiske anvendelser. Opnå praktisk erfaring med implementering af mængdeoperationer og arbejde med aritmetiske og geometriske rækker i Python.
Opnå et solidt kendskab til grænseværdier, differentialkvotienter, integraler og partialafledte. Forbind teori med praksis ved at implementere disse begreber i Python og anvende dem på optimering gennem gradientnedstigning.
Introduktion til Grænseværdier
Implementering af Grænseværdier i Python
Introduktion til Differentialregning
Implementering af Afledte i Python
Introduktion til Integraler
Implementering af Integraler i Python
Introduktion til Partielle Afledte
Implementering af Partielle Afledte i Python
Gradientnedstigning
Implementering af Gradientnedstigning i Python
Udfordring: Tilpasning af en Linje med Gradientnedstigning
Opbyg solid viden om vektorer, matricer og transformationer. Lær dekompositionsmetoder og egenværdianalyse, samtidig med at begreberne styrkes gennem Python-kodeudfordringer og praktiske data science-anvendelser.
Introduktion til Vektorer
Implementering af Vektorer i Python
Matrixoperationer
Matrixoperationer i Python
Introduktion til Matrixtransformationer
Implementering af Matrixtransformation i Python
Udfordring: Kombinerede Transformationer af en Vektor
Introduktion til Matrixdekomposition
Implementering af Matrixdekomposition i Python
Udfordring: Løsning af et Lineært Ligningssystem med LU-Dekomponering
Introduktion til Egenvektorer og Egenværdier
Implementering af Egenvektorer og Egenværdier i Python
Dyk ned i sandsynlighedsteori og statistik. Undersøg betinget sandsynlighed, Bayes' sætning og statistiske mål. Implementer centrale begreber i Python, simuler fordelinger, og styrk dine færdigheder gennem udfordringer og quizzer.
Forståelse af Sandsynlighedsgrundlæggende
Implementering af Sandsynlighedsgrundlæggende i Python
Forståelse af Betinget Sandsynlighed og Bayes' Sætning
Implementering af Betinget Sandsynlighed og Bayes' Sætning i Python
Forståelse af Sampling
Implementering af Sampling i Python
Forståelse af Centraltendens og Spredning
Implementering af Spredning i Python
Udfordring: Sandsynlighedsanalyse for Kvalitetskontrol
Forståelse af Sandsynlighedsfordelinger
Implementering af Sandsynlighedsfordelinger i Python
Udfordring: Kvalitetskontrolprøvetagning
Behersk de grundlæggende trin til at rense og forberede rådata til analyse og maskinlæring.
Omform rådata til anvendelige funktioner til maskinlæringsmodeller.
Udvikling og udvælgelse af features for at forbedre modellens ydeevne og fortolkelighed.
Lad os begynde med den simpleste lineære regressionsmodel! Du vil lære idéen bag lineær regression og hvordan man foretager forudsigelser i Python.
De fleste virkelige forudsigelsesopgaver involverer mere end én feature. Du vil lære, hvordan man håndterer lineær regression med flere features.
En ret linje beskriver ikke altid dataene tilstrækkeligt. Lad os lære at opbygge en mere kompleks model til forudsigelse. Det er det, polynomiel regression egner sig til.
Nu hvor du ved, hvordan man opbygger flere lineære regressionsmodeller, har du brug for en metode til at vælge den bedste. Dette kan opnås ved hjælp af metrikker. Dette afsnit forklarer de mest anvendte metrikker og de udfordringer, du kan møde ved brugen af dem.
Opdag, hvordan k-nærmeste naboer-algoritmen foretager forudsigelser baseret på lighed. Lær at håndtere flere egenskaber, justere parametre og anvende krydsvalidering for at forbedre nøjagtigheden.
Forstå, hvordan logistisk regression modellerer sandsynligheder og klassificerer udfald. Øv implementering, fortolkning af beslutningsgrænser og anvendelse af regularisering for at forhindre overfitting.
Lær, hvordan beslutningstræer opdeler data i meningsfulde grupper baseret på featureværdier. Udforsk, hvordan parametre som trædybde og minimum antal prøver per blad påvirker modellens ydeevne og generalisering.
Undersøg, hvordan random forests kombinerer flere beslutningstræer for at forbedre nøjagtighed og robusthed. Forstå betydningen af tilfældighed og anvend denne ensemble-metode på virkelige data.
Evaluering af modeller ved hjælp af metrikker såsom nøjagtighed, præcision, recall og F1-score. Lær at fortolke forvekslingsmatrixer og sammenligne flere klassifikatorer for at identificere den bedst præsterende model.
Dyk ned i de grundlæggende principper for klyngering og opdag, hvordan det adskiller sig fra klassifikation. Udforsk essentielle algoritmer, værktøjer og biblioteker, der driver denne usuperviserede læringsteknik til at afdække skjulte mønstre i data.
Opnå et solidt kendskab til centrale forbehandlingsteknikker, der sikrer effektiv klyngeanalyse. Håndtering af manglende værdier, kodning af kategoriske variable, normalisering af data samt valg af passende afstandsmål og koblinger for at øge nøjagtigheden af klyngeanalysen.
Opnå færdighederne til effektiv anvendelse af K-Means klyngedannelse. Forstå algoritmens funktion, fastlæg det optimale antal klynger, og få praktisk erfaring med implementering af K-Means på både syntetiske og virkelige datasæt.
Udforsk det grundlæggende i hierarkisk klyngedannelse og lær, hvordan data grupperes i meningsfulde klynger ved hjælp af dendrogrammer. Opnå fortrolighed med at identificere det optimale antal klynger og implementere teknikken på både syntetiske og virkelige datasæt.
Opdag, hvordan DBSCAN udmærker sig ved at identificere klynger med varierende former og håndtere støj i data. Forstå mekanismerne bag denne tæthedsbaserede algoritme, metoder til at tildele punkter til klynger samt anvendelse på både syntetiske og virkelige datasæt med sikkerhed.
Opnå et solidt kendskab til Gaussiske Mixture Models og hvordan de anvender sandsynlighed til at modellere komplekse klyngestrukturer. Gennemgå principperne for Gaussisk fordeling, undersøg hvordan GMM'er fungerer, og opbyg fortrolighed ved at anvende dem på både dummy- og virkelige data.
Explore the fundamental metrics used to evaluate classification models, including their definitions, formulas, Python implementations, and interpretation. Includes advanced metrics and model validation techniques relevant to classification.
Delve into the core metrics for evaluating regression models, including their mathematical foundations, Python implementations, and result interpretation. Includes advanced validation techniques relevant to regression.
Examine the key metrics for evaluating unsupervised learning models, including clustering, dimensionality reduction, and anomaly detection. Learn their mathematical foundations, Python implementations, and interpretation.
Boost dine Tech Færdigheder!
med op til 55% rabat
Features:
*Tracks not included in Pro plan
500+ Topbedømte kurserBanebrydende AI Copilot
Personlige studieveje40+ praktiske virkelige projekter
Uden afbestilling, før den valgte rabatplan udløber, accepterer jeg, at Codefinity automatisk opkræver $104 hver 3. måned indtil jeg annullerer. Læs mere om afbestillings- og refunderingspolitikken på Abonnementsvilkår.
Recommended Courses and Projects
kursus
Course without tasks for flow test
Course for E2E testing
1 time
4 kapitlerBegynder
372 STUDERER NU
kursus
TEST COURSE WITH ALL TYPES OF COLUMN CHAPTERS
test python course with 6 sections
1 time 14 kapitlerBegynder
695 STUDERER NU
kursus
Testing Video Player
1 time 1 kapitelBegynder
kursus
Test mobile outline course
Super course
1 time 6 kapitlerMellemniveau
703 STUDERER NU
projekt
Gennemførelse af A/B-test
I erhvervslivet kan beslutningstagning baseret på hårde data frem for intuition være nøglen til succes. Dette kursus fokuserer på én afgørende teknik: analyse af A/B-testdata. Kursets omdrejningspunkt er et projekt, hvor du udfører en detaljeret analyse af en A/B-test. Dette projekt, som du kan fremvise i dit CV, er hostet på Codefinity, hvilket giver dig mulighed for løbende at forbedre det og demonstrere din voksende ekspertise.
Kun for Ultimate
1 time 1 kapitelMellemniveau
585 STUDERER NU
kursus
TEST FREE COURSE
description
1 time 3 kapitlerBegynder
638 STUDERER NU
kursus
TEST SHORT VIDEO COURSE
1 time 2 kapitlerBegynder
1204 STUDERER NU
kursus
TEST COMPARE MODE
description
1 time 2 kapitlerAvanceret
kursus
Test e2e new task ui
Some
1 time 2 kapitlerBegynder
357 STUDERER NU
kursus
SAVE CODE SNIPPET TEST
description
1 time 4 kapitlerAvanceret
kursus
TEST COLUMN AI ASSISTANT PYTHON
description
1 time 1 kapitelAvanceret
489 STUDERER NU
projekt
Undersøgelse af Bycykeludlejningsindsigter
Dette kursus guider dig gennem analyse og visualisering af, hvordan vejr- og sæsonmæssige faktorer påvirker den daglige efterspørgsel på cykeludlejning ved hjælp af virkelige data.
1 time 0 kapitelBegynder
221 STUDERER NU
TRANSPORTATION & MOBILITY
Discover more Learning Tracks
spor
TEST TRACK 12
1 Kursus
1 Projekt
0 TaskBegynder
4.0
(18026)
spor
Full Stack Webudvikling
7 Kurser424 OpgaverBegynder
4.5
(53)
spor
Bliv En React-Udvikler
4 Kurser98 OpgaverMellemniveau
4.8
(8)
spor
Mestring af Datavisualisering
5 Kurser146 OpgaverMellemniveau
4.4
(9)
spor
SQL fra Begynder til Ekspert
7 Kurser249 OpgaverBegynder
4.6
(113)
spor
C++ Grundlæggende
6 Kurser124 OpgaverBegynder
3.9
(31)
spor
Python fra Nul til Helt
6 Kurser215 OpgaverBegynder
4.6
(337)
spor
Python Ud Over Mellemniveau
2 Kurser1 Projekt62 OpgaverBegynder
5.0
(2)
spor
Java Essentials
11 Kurser459 OpgaverBegynder
4.5
(16)
spor
Spiludvikling med Unity
4 Kurser164 OpgaverBegynder
4.4
(8)
spor
Become a Django Developer
5 Kurser178 OpgaverAvanceret
4.5
(33)
Hvorfor Folk Vælger Codefinity
Web Developer
Kwizera Mugisha
The teaching methodology at Codefinity is excellent, and I particularly appreciate how it has prepared me to handle real-world coding problems. Currently, I am delving into Node.js and eagerly anticipate building full-stack projects that integrate all the knowledge I have gained.
Senior Business Analyst
Sherry Barnes-Fox
My first course was 4 hours, I did it in a few days, "nugget-style". The instructions are very clear and easy to understand. There is even a hint to help you get the answer. I love the learning style that is used, it engages me.
Accounts Payable Specialist
Bill Wagner
I have really liked the browser-based lessons that allow me to code within the lesson. The RUN button allows me to test the code I write before submitting for a grade.
IT Support Specialist
Daniel Chinea
I have gained a lot of practical and logical thinking skills, along with patience for myself and confidence in myself that I can learn programming. Years ago, I would have never thought that I could learn programming in any way, shape or form, and I was able to obtain these certifications and skills with Codefinity.
Technology Project Manager
Steve Bruening
The learning was progressive and made it easy to follow along and make progress. I could feel my skills increasing and building on each other as the course went along.
Project Manager
Stephanie Chan
As I went through the first course of the Python track, I liked the way the course was lay out (in easy and digestible modules) with little exercises at the end of each concept.
Step-by-Step to Stellar Results
Interaktivt kodningsmiljø
Dyk ned i vores interaktive miljø: skriv og kør din kode med feedback i realtid og succesmålinger—lær ved at gøre på hvert trin.
AI-drevet support
Udnyt den indbyggede AI-assistent til at forklare fejl, foreslå rettelser eller besvare spørgsmål om din kode—så du forbliver produktiv og aldrig går i stå.
Check your progress
Afslut hvert modul med en hurtig quiz, der giver øjeblikkelig feedback, sporer din fremgang og sikrer, at du har mestret nøglekoncepter.
Promote your expertise
Tjen dit brancheanerkendte certifikat ved afslutning og del det på LinkedIn med ét klik—lad dit netværk se, hvad du kan.
Betroet af Medarbejdere fra Ledende Virksomheder
og Studerende fra Topuniversiteter
Fuld adgang til kataloget
Et abonnement åbner dette kursus og hele vores katalog af projekter og færdigheder.Features:
500+ Topbedømte kurserBanebrydende AI Copilot
Personlige studieveje40+ praktiske virkelige projekter
Uden afbestilling, før den valgte rabatplan udløber, accepterer jeg, at Codefinity automatisk opkræver $104 hver 3. måned indtil jeg annullerer. Læs mere om afbestillings- og refunderingspolitikken på Abonnementsvilkår.
Prøv Codefinity med tillid – 30-dages pengene-tilbage-garanti inkluderet
For at byde dig velkommen til Codefinity, tilbyder vi op til 64% rabat på vores kurser. Plus, vi har en 30-dages pengene-tilbage-garanti, så du kan prøve os uden risiko.Vi ser virkelig frem til at byde dig velkommen til vores platform og er engagerede i at gøre din læringsoplevelse nem, interaktiv og sjov.
Ready to get started?
Pro
Best intro offer
Ultimate
A complete experience
to kickstart your career
to kickstart your career
500+ Top-Rated courses
Completion certificates
Early access to new courses
40+ hands-on Real-world projects
Personalized study tracks
Unlimited workspaces
Få øjeblikkelig adgang til 500+ kurser
Ubegrænset Læring, Øjeblikkelig AdgangFå fuld adgang til alle kurser og spor, inklusive videoindhold, quizzer og dybdegående materialer—start læring når som helst.
Brancheanerkendte CertifikaterTjen certifikater, der validerer din ekspertise og styrker din karriere inden for tech, AI, data, marketing og mere.
KI-assisteret læringFå personlige hints, feedback i realtid og AI-drevne forklaringer for at fremskynde din fremgang.
Konstant Udvidelse: Nye Kurser & KarriereforløbHold dig foran med konstant opdaterede kurser, karriereplaner, udfordringer og praktiske prøver.
Opbyg Færdigheder Der TællerMestre efterspurgte færdigheder med kurser i AI, datavidenskab, programmering, marketing, automatisering, webudvikling og mere.
Interaktiv & Problemfri LæringEngager dig med praktiske projekter, virkelige øvelser og en intuitiv læringsoplevelse — ingen ekstra værktøjer nødvendige.
