Maskinlæring – Fordypning
Intermediate
4.5
6 reviews
24 Learners
Updated 11/2025
Behersk hele spekteret av maskinlæring med Python, og kombiner praktiske ferdigheter med solid teoretisk grunnlag. Bygg modeller raskt med scikit-lear…
188
Chapters
21
Learning hours
182
Assignments
AI Assistant
Shareable Certificate
Resultater
Resultater
Track content
Related courses and projects
Attester
Funksjoner
Priser
Resultater
Resultater
Track content
Related courses and projects
Attester
Funksjoner
Priser
Hva 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 maskinlæringskonsepter og arbeidsflyten i et ML-prosjekt.
Forbehandling er sannsynligvis den viktigste fasen i et ML-prosjekt. Dette kapittelet dekker forbehandlingsstegene som trengs for nesten alle datasett.
Scikit-learn-Konsepter
Bli Kjent Med Datasettet
Håndtering av Manglende Verdier
Utfordring: Imputering av Manglende Verdier
Ordinalenkoder
One-Hot-Koder
Labelencoder
Utfordring: Koding av Kategoriske Variabler
Hvorfor Skalere Dataene?
StandardScaler, MinMaxScaler, MaxAbsScaler
Utfordring: Skalering av Funksjonene
En pipeline er en ryddig måte å kombinere alle forhåndsprosesseringssteg samt en modell. Pipeliner gjør det mye enklere å trene og bruke en modell.
Modellering er den mest spennende fasen i et ML-prosjekt. La oss lære å bygge, finjustere og evaluere modellen!
Utforsk grunnlaget for matematiske funksjoner. Lær om ulike typer algebraiske og transcendentale funksjoner, deres egenskaper, og hvordan de kan implementeres i Python for å løse reelle problemer.
Introduksjon til funksjoner
Grunnleggende om Jupyter Notebook
Implementering av Grunnleggende Funksjoner i Python
Algebraiske Funksjoner
Implementering av Identitets-Kvadratiske Funksjoner i Python
Implementering av Rasjonale Funksjoner i Python
Utfordring: Maksimere Fortjeneste ved Bruk av Kvadratiske Funksjoner
Transcendentale Funksjoner
Implementering av Eksponential-Logaritmefunksjoner i Python
Implementering av Sinusoidal-Tangentfunksjoner i Python
Behersk konseptene mengder og rekker, fra grunnleggende operasjoner til praktiske anvendelser. Få praktisk erfaring med å implementere mengdeoperasjoner og arbeide med aritmetiske og geometriske rekker i Python.
Utvikle en solid forståelse av grenser, deriverte, integraler og partiellderiverte. Knytt teori til praksis ved å implementere disse konseptene i Python og anvende dem på optimering gjennom gradient descent.
Introduksjon til Grenser
Implementering av Grenser i Python
Introduksjoner til Derivasjon
Implementering av Deriverte i Python
Introduksjon til Integraler
Implementering av Integraler i Python
Introduksjon til Partiellderivater
Implementering av Partielle Deriverte i Python
Gradient descent
Implementering av Gradient Descent i Python
Utfordring: Tilpasning av en Linje med Gradient Descent
Bygg solid kunnskap om vektorer, matriser og transformasjoner. Lær dekomponeringsmetoder og egenverdianalyse, samtidig som konseptene styrkes med Python-kodeutfordringer og praktiske anvendelser innen datavitenskap.
Introduksjoner til Vektorer
Implementering av Vektorer i Python
Matriseoperasjoner
Matriseoperasjoner i Python
Introduksjon til Matrisetransformasjoner
Implementering av Matrise-Transformasjon i Python
Utfordring: Kombinerte Transformasjoner av en Vektor
Introduksjon til Matrisedekomponering
Implementering av matrisedekomponering i Python
Utfordring: Løse Et Lineært Ligningssystem Med LU-Dekomponering
Introduksjon til Egenvektorer og Egenverdier
Implementering av Egenvektorer og Egenverdier i Python
Fordyp deg i sannsynlighetsteori og statistikk. Studer betinget sannsynlighet, Bayes’ teorem og statistiske mål. Implementer sentrale konsepter i Python, simuler fordelinger, og styrk ferdighetene dine gjennom utfordringer og quizer.
Forståelse av Sannsynlighetsgrunnlag
Implementering av Sannsynlighetsgrunnlag i Python
Forståelse av Betinget Sannsynlighet og Bayes' Teorem
Implementering av Betinget Sannsynlighet og Bayes’ Teorem i Python
Forståelse av Utvalg
Implementering av Utvalg i Python
Forståelse av Sentraltendens og Spredning
Implementering av Spredning i Python
Utfordring: Sannsynlighetsanalyse for Kvalitetskontroll
Forståelse av Sannsynlighetsfordelinger
Implementering av Sannsynlighetsfordelinger i Python
Utfordring: Kvalitetskontrollprøvetaking
Behersk de grunnleggende trinnene for å rense og klargjøre rådata for analyse og maskinlæring.
Transformer rådata til brukbare funksjoner for maskinlæringsmodeller.
Utvikling og utvalg av funksjoner for å forbedre modellens ytelse og tolkbarhet.
La oss begynne med den enkleste lineære regresjonsmodellen! Du vil lære om konseptet bak lineær regresjon og hvordan lage prediksjoner i Python.
De fleste prediksjonsoppgaver i virkeligheten involverer mer enn én variabel. Du vil lære hvordan man håndterer lineær regresjon med flere variabler.
En rett linje beskriver ikke alltid dataene godt. La oss lære hvordan vi kan bygge en mer kompleks modell for prediksjon. Det er dette polynomisk regresjon er egnet for.
Nå som du vet hvordan du bygger flere lineære regresjonsmodeller, trenger du en metode for å velge den beste. Dette kan oppnås ved hjelp av målemetoder. Denne delen forklarer de mest brukte metodene og utfordringene du kan møte ved bruk av dem.
Utforsk hvordan k-nærmeste naboer-algoritmen gjør prediksjoner basert på likhet. Lær å håndtere flere egenskaper, justere parametere og bruke kryssvalidering for å forbedre nøyaktigheten.
Forstå hvordan logistisk regresjon modellerer sannsynligheter og klassifiserer utfall. Øv på implementering, tolkning av beslutningsgrenser og bruk av regularisering for å forhindre overtilpasning.
Lær hvordan beslutningstrær deler data inn i meningsfulle grupper basert på egenskapsverdier. Utforsk hvordan parametere som treets dybde og minimum antall prøver per blad påvirker modellens ytelse og generalisering.
Utforsk hvordan random forest kombinerer flere beslutningstrær for å forbedre nøyaktighet og robusthet. Forstå rollen til tilfeldighet og bruk denne ensemblemetoden på virkelige data.
Vurder modeller ved hjelp av måleparametere som nøyaktighet, presisjon, tilbakekalling og F1-score. Lær å tolke forvirringsmatriser og sammenligne flere klassifikatorer for å identifisere den best presterende modellen.
Fordyp deg i det grunnleggende innen klyngeanalyse og oppdag hvordan det skiller seg fra klassifisering. Utforsk sentrale algoritmer, verktøy og biblioteker som driver denne teknikken for ikke-veiledet læring for å avdekke skjulte mønstre i data.
Få en grundig forståelse av sentrale forhåndsbehandlingsteknikker som sikrer effektiv klyngeanalyse. Lær hvordan man håndterer manglende verdier, koder kategoriske egenskaper, normaliserer data og velger passende avstandsmål og koblinger for å øke nøyaktigheten i klyngeanalysen.
Behersk ferdighetene som kreves for å anvende K-Means-klynging effektivt. Lær hvordan algoritmen fungerer, bestem det optimale antallet klynger, og få praktisk erfaring ved å implementere K-Means på både syntetiske og virkelige datasett.
Utforsk det grunnleggende innen hierarkisk klynging og lær hvordan data kan grupperes i meningsfulle klynger ved hjelp av dendrogrammer. Bygg trygghet i å identifisere det optimale antallet klynger og implementere teknikken på både syntetiske og virkelige datasett.
Utforsk hvordan DBSCAN utmerker seg i å oppdage klynger med varierende former og håndtere støy i data. Lær mekanismene bak denne tetthetsbaserte algoritmen, hvordan punkter tilordnes klynger, og bruk den på både syntetiske og virkelige datasett med trygghet.
Få en grundig forståelse av gaussiske blandingsmodeller og hvordan de bruker sannsynlighet for å modellere komplekse klyngestrukturer. Prinsipper for gaussisk fordeling, utforskning av hvordan GMM fungerer, samt anvendelse på både dummydata og virkelige datasett.
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.
Forbedre dine tekniske ferdigheter!
med opptil 55% rabatt
Features:
*Tracks not included in Pro plan
500+ topprangerte kursBanebrytende AI Copilot
Personlige studieløp40+ praktiske prosjekter fra virkeligheten
Uten oppsigelse, før den valgte rabatterte planen utløper, godtar jeg at Codefinity automatisk belaster $104 hver 3. måned til jeg kansellerer. Les mer om oppsigelses- og refusjonspolicy på Abonnementsvilkår.
Recommended Courses and Projects
kurs
Course without tasks for flow test
Course for E2E testing
1 time
4 kapitlerNybegynner
442 STUDERER NÅ
kurs
TEST COURSE WITH ALL TYPES OF COLUMN CHAPTERS
test python course with 6 sections
1 time 14 kapitlerNybegynner
777 STUDERER NÅ
kurs
Testing Video Player
1 time 1 kapittelNybegynner
kurs
Test mobile outline course
Super course
1 time 6 kapitlerMiddelsnivå
761 STUDERER NÅ
prosjekt
Gjennomføring av A/B-test
I forretningsverdenen kan det å ta beslutninger basert på harde data fremfor intuisjon være nøkkelen til suksess. Dette kurset fokuserer på én avgjørende teknikk: analyse av A/B-testdata. Hoveddelen av kurset er et prosjekt der du gjennomfører en detaljert analyse av en A/B-test. Dette prosjektet, som du kan vise til i CV-en din, er tilgjengelig på Codefinity, slik at du kontinuerlig kan forbedre det og demonstrere din økende ekspertise.
Kun for Ultimate
1 time 1 kapittelMiddelsnivå
715 STUDERER NÅ
kurs
TEST FREE COURSE
description
1 time 3 kapitlerNybegynner
801 STUDERER NÅ
kurs
TEST SHORT VIDEO COURSE
1 time 2 kapitlerNybegynner
1358 STUDERER NÅ
kurs
TEST COMPARE MODE
description
1 time 2 kapitlerAvansert
kurs
Test e2e new task ui
Some
1 time 2 kapitlerNybegynner
443 STUDERER NÅ
kurs
SAVE CODE SNIPPET TEST
description
1 time 4 kapitlerAvansert
kurs
TEST COLUMN AI ASSISTANT PYTHON
description
1 time 1 kapittelAvansert
550 STUDERER NÅ
prosjekt
Utforsking av Innsikt fra Bysykkelutleie
Dette kurset veileder deg gjennom analyse og visualisering av hvordan vær- og sesongfaktorer påvirker daglig etterspørsel etter bysykkelutleie ved bruk av virkelige data.
1 time 0 kapittelNybegynner
308 STUDERER NÅ
TRANSPORTATION & MOBILITY
Discover more Learning Tracks
spor
TEST TRACK 12
1 Kurs
1 Prosjekt
0 TaskNybegynner
4.0
(18013)
spor
Full Stack Webutvikling
7 Kurs424 OppgaverNybegynner
4.5
(53)
spor
Bli en React-Utvikler
4 Kurs98 OppgaverMiddelsnivå
4.8
(8)
spor
Mestring av Datavisualisering
5 Kurs146 OppgaverMiddelsnivå
4.4
(9)
spor
SQL fra Nybegynner til Ekspert
7 Kurs249 OppgaverNybegynner
4.6
(113)
spor
C++-Grunnleggende
6 Kurs124 OppgaverNybegynner
3.9
(31)
spor
Python fra Null til Helt
6 Kurs215 OppgaverNybegynner
4.6
(337)
spor
Python Utover Mellomnivå
2 Kurs1 Prosjekt62 OppgaverNybegynner
5.0
(2)
spor
Java Essensielt
11 Kurs459 OppgaverNybegynner
4.5
(16)
spor
Spillutvikling med Unity
4 Kurs164 OppgaverNybegynner
4.4
(8)
spor
Become a Django Developer
5 Kurs178 OppgaverAvansert
4.5
(33)
Hvorfor folk velger 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 kodemiljø
Dykk inn i vårt interaktive miljø: skriv og kjør koden din med sanntids tilbakemelding og suksessmålinger—lær ved å gjøre på hvert trinn.
AI-drevet støtte
Bruk den innebygde AI-assistenten til å forklare feil, foreslå løsninger eller svare på spørsmål om koden din—slik at du forblir produktiv og aldri står fast.
Check your progress
Avslutt hver modul med en rask quiz som gir umiddelbar tilbakemelding, sporer fremgangen din og sikrer at du har mestret viktige konsepter.
Promote your expertise
Tjen ditt bransjeanerkjente sertifikat ved fullføring og del det på LinkedIn med ett klikk—la nettverket ditt se hva du kan gjøre.
Stolte på av ansatte i ledende selskaper
og studenter fra toppuniversiteter
Full tilgang til katalogen
Et abonnement gir tilgang til dette kurset og hele katalogen vår av prosjekter og ferdigheter.Features:
500+ topprangerte kursBanebrytende AI Copilot
Personlige studieløp40+ praktiske prosjekter fra virkeligheten
Uten oppsigelse, før den valgte rabatterte planen utløper, godtar jeg at Codefinity automatisk belaster $104 hver 3. måned til jeg kansellerer. Les mer om oppsigelses- og refusjonspolicy på Abonnementsvilkår.
Prøv Codefinity med tillit – 30-dagers pengene-tilbake-garanti inkludert
For å ønske deg velkommen til Codefinity, tilbyr vi opptil 64% rabatt på våre kurs. I tillegg har vi en 30-dagers pengene-tilbake-garanti, slik at du kan prøve oss uten risiko.Vi ser virkelig frem til å ønske deg velkommen til vår plattform og er forpliktet til å gjøre din læringsopplevelse enkel, interaktiv og morsom.
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 umiddelbar tilgang til 500+ kurs
Ubegrenset læring, umiddelbar tilgangFå full tilgang til alle kurs og spor, inkludert videoinnhold, quizer og dyptgående materialer—start læringen når som helst.
Bransjeanerkjente sertifikaterTjen sertifikater som bekrefter din ekspertise og styrker karrieren din innen teknologi, AI, data, markedsføring og mer.
KI-assistert læringFå personlige hint, sanntids tilbakemelding og AI-drevne forklaringer for å akselerere fremgangen din.
Stadig utvidelse: Nye kurs og karrieresporHold deg foran med stadig oppdaterte kurs, karriereveikart, utfordringer og praktiske prøver.
Bygg ferdigheter som betyr noeMestre etterspurte ferdigheter med kurs i AI, datavitenskap, programmering, markedsføring, automatisering, webutvikling og mer.
Interaktiv og sømløs læringEngasjer deg med praktiske prosjekter, virkelige øvelser og en intuitiv læringsopplevelse — ingen ekstra verktøy nødvendig.
