Osäker på var
börja?

Track

Certifikat

Maskininlärning Mästerskap

4.5+

★★★★★

6 omdömen

Intermediate

Behärska hela spektrumet av maskininlärning med Python genom att kombinera praktiska färdigheter med starka teoretiska grunder. Bygg modeller snabbt med scikit-learn och fördjupa förståelsen för sannolikhet, linjär algebra och optimering. Visa mer

python

Boost your Tech Skills!

with up to 55% off

What you'll get with our subscription:

Access to 85+ top-rated courses
AI-driven Learning
Workspaces for practicing your skills
Personalized study tracks
Certificates of completion

Training 2 or more people?

Get your team access to Codefinity courses anytime, anywhere.

Try Codefinity Teams

What you will learn

Build your first machine learning models with scikit-learn
Strengthen your foundation with probability, linear algebra, and optimization
Implement and evaluate regression techniques for forecasting and analysis
Apply classification methods to organize and interpret complex data
Explore clustering to uncover hidden patterns in unlabeled datasets
Understand the fundamentals of reinforcement learning and its applications
Design and train neural networks to grasp the basics of deep learning

188 chapters
21 hours
182 tasks

Trusted by employees of leading companies

Learning track content

Module 1 / Introduktion till maskininlärning med Python

Lär dig maskininlärningskoncept och arbetsflödet för ML-projekt.

En pipeline är ett smidigt sätt att kombinera alla förbehandlingssteg samt en modell. Pipelines gör det mycket enklare att träna och använda en modell.

Module 2 / Matematik för Data Science

Behärska begreppen mängder och serier, från grundläggande operationer till praktiska tillämpningar. Få praktisk erfarenhet av att implementera mängdoperationer och arbeta med aritmetiska och geometriska serier i Python.

Bygg gedigna kunskaper om vektorer, matriser och transformationer. Lär dig dekompositionsmetoder och egenvärdesanalys, samtidigt som begreppen förstärks med Python-programmeringsutmaningar och praktiska tillämpningar inom data science.

Fördjupa dig i sannolikhetsteori och statistik. Studera betingad sannolikhet, Bayes sats och statistiska mått. Implementera centrala koncept i Python, simulera fördelningar och stärk dina färdigheter genom utmaningar och frågesporter.

Module 3 / Datapreprocessering och Feature Engineering

Behärska de grundläggande stegen för att rensa och förbereda rådata för analys och maskininlärning.

Omvandla rådata till användbara funktioner för maskininlärningsmodeller.

Konstruera och välj ut variabler för att förbättra modellens prestanda och tolkbarhet.

Module 4 / Linjär Regression med Python

Vi börjar med den enklaste modellen för linjär regression. Du kommer att lära dig grunderna i linjär regression och hur man gör prediktioner i Python.

De flesta prediktionsuppgifter i verkliga tillämpningar involverar fler än en variabel. Du kommer att lära dig hur man hanterar linjär regression med flera variabler.

En rät linje beskriver inte alltid data på ett tillfredsställande sätt. Lär dig hur du bygger en mer komplex modell för prediktion. Det är vad polynomregression är avsedd för.

Nu när du vet hur man bygger flera linjära regressionsmodeller behöver du ett sätt att välja den bästa. Detta är möjligt med hjälp av metrik. Denna sektion förklarar de mest använda metoderna och de svårigheter du kan stöta på när du använder dem.

Module 5 / Klassificering med Python

Utforska hur algoritmen k-närmsta grannar gör förutsägelser baserat på likhet. Lär dig hantera flera variabler, justera parametrar och använda korsvalidering för att förbättra noggrannheten.

Förstå hur logistisk regression modellerar sannolikheter och klassificerar utfall. Öva på att implementera metoden, tolka beslutsgränser och tillämpa regularisering för att förhindra överanpassning.

Lär dig hur beslutsträd delar upp data i meningsfulla grupper baserat på egenskapsvärden. Utforska hur parametrar som trädets djup och minsta antal prover per blad påverkar modellens prestanda och generaliseringsförmåga.

Utforska hur random forest kombinerar flera beslutsträd för att förbättra noggrannhet och robusthet. Förstå slumpens roll och tillämpa denna ensemblemetod på verkliga data.

Utvärdera modeller med hjälp av mått såsom noggrannhet, precision, återkallelse och F1-poäng. Lära sig att tolka förväxlingsmatriser och jämföra flera klassificerare för att identifiera den modell som presterar bäst.

Module 6 / Klusteranalys med Python

Fördjupa dig i grunderna för klustring och upptäck hur det skiljer sig från klassificering. Utforska grundläggande algoritmer, verktyg och bibliotek som driver denna oövervakade inlärningsteknik för att avslöja dolda mönster i data.

Få en gedigen förståelse för centrala förbehandlingstekniker som säkerställer effektiv klustring. Hantering av saknade värden. Kodning av kategoriska variabler. Normalisering av data. Val av lämpliga avståndsmått och länkningar för att förbättra klustringsnoggrannheten.

Behärska de färdigheter som krävs för att tillämpa K-Means-klustring effektivt. Förstå hur algoritmen fungerar, fastställ det optimala antalet kluster och få praktisk erfarenhet genom att implementera K-Means på både syntetiska och verkliga datamängder.

Utforska grunderna i hierarkisk klustring och lär dig att gruppera data i meningsfulla kluster med hjälp av dendrogram. Få förståelse för att identifiera det optimala antalet kluster och tillämpa tekniken på både syntetiska och verkliga dataset.

Utforska hur DBSCAN utmärker sig vid identifiering av kluster med varierande former och hantering av brus i data. Förstå mekanismerna bakom denna täthetsbaserade algoritm, hur punkter tilldelas kluster samt tillämpa den på både syntetiska och verkliga datamängder med säkerhet.

Få en gedigen förståelse för Gaussiska Mixturmodeller och hur de använder sannolikhet för att modellera komplexa klusterformer. Utforska principerna bakom Gaussisk fördelning, undersök hur GMM fungerar och stärk din kompetens genom att tillämpa dem på både simulerad och verklig data.

Module 7 / Evaluation Metrics in Machine Learning with Python

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.

Requirements

A computer with a browser - all browsers are supported.
Your enthusiasm to enhance your tech skills.
Everything else needed to start learning and practicing is already included in this course.

Over 200,000 5-star ratings and counting

Ruslan Kravchuk

Det viktigaste är att lära sig och inte ge upp

Materialet är bra, det finns mycket att lära, allt för att bli bättre och det viktigaste är att lära sig det man vill....

Matteo Comune

Tack vare dem lär jag mig mycket…

Tack vare dem lär jag mig mycket snabbare eftersom de hjälper dig att förstå allt från grunden. Det är den bästa webbplatsen som hjälper personer utan IT-bakgrund...

Yuliana Cadavid

Utmärkt kurs för nybörjare

Utmärkt kurs för nybörjare, de testar dina kunskaper i varje lektion...

Elpunzon

Jag njuter av min Codefinity-upplevelse…

Jag njuter av min Codefinity-upplevelse med att lära mig Python. Det självstyrda lärsättet är fantastiskt eftersom jag kan anpassa det efter mitt schema...

Alexandru Alexandru

Det är trevligt att lära sig från Codefinity

Det är trevligt att lära sig från Codefinity. Det är enkelt och har bra exempel på vad jag lärt mig här...

jacob Templet

Easy to follow along with and provides…

Lätt att följa med i och ger utmaningar i min vardag. Utmaningen får mig att vilja lära mig dag efter dag...

Elan

Codefinity är ett heltäckande lärverktyg…

Codefinity är ett heltäckande lärverktyg som hjälper dig att utveckla dina färdigheter som mjukvaruingenjör eller datavetare. Övningarna är roliga och ett bra sätt att skärpa dina kunskaper...

Thibault

Första gången jag lär mig att koda

Första gången jag lär mig att koda och lyckas med Codefinity - tack...

Adrien Morel

Väl utformad för totala nybörjare

Väl utformad för totala nybörjare, med stegvis utveckling som får mig att känna mig trygg....

_Gracy

det är helt enkelt perfekt förklarat

det är helt enkelt perfekt förklarat! Hittills har jag inte upplevt några svårigheter eftersom allt är så välorganiserat...

Ruslan Kravchuk

Det viktigaste är att lära sig och inte ge upp

Materialet är bra, det finns mycket att lära, allt för att bli bättre och det viktigaste är att lära sig det man vill....

Matteo Comune

Tack vare dem lär jag mig mycket…

Tack vare dem lär jag mig mycket snabbare eftersom de hjälper dig att förstå allt från grunden. Det är den bästa webbplatsen som hjälper personer utan IT-bakgrund...

Yuliana Cadavid

Utmärkt kurs för nybörjare

Utmärkt kurs för nybörjare, de testar dina kunskaper i varje lektion...

Elpunzon

Jag njuter av min Codefinity-upplevelse…

Jag njuter av min Codefinity-upplevelse med att lära mig Python. Det självstyrda lärsättet är fantastiskt eftersom jag kan anpassa det efter mitt schema...

Alexandru Alexandru

Det är trevligt att lära sig från Codefinity

Det är trevligt att lära sig från Codefinity. Det är enkelt och har bra exempel på vad jag lärt mig här...

jacob Templet

Easy to follow along with and provides…

Lätt att följa med i och ger utmaningar i min vardag. Utmaningen får mig att vilja lära mig dag efter dag...

Elan

Codefinity är ett heltäckande lärverktyg…

Thibault

Första gången jag lär mig att koda

Första gången jag lär mig att koda och lyckas med Codefinity - tack...

Adrien Morel

Väl utformad för totala nybörjare

Väl utformad för totala nybörjare, med stegvis utveckling som får mig att känna mig trygg....

_Gracy

det är helt enkelt perfekt förklarat

det är helt enkelt perfekt förklarat! Hittills har jag inte upplevt några svårigheter eftersom allt är så välorganiserat...

Data Engineer

Certifikat för slutförande

Visa dina nyförvärvade färdigheter. Du har förtjänat det

Discover more
Learning tracks

	ProBest intro offer	UltimateA complete experience to kickstart your career
250+ Top-Rated courses
Completion certificates
AI-Assistant in all courses
40+ hands-on Real-world projects
Personalized study tracks
Unlimited workspaces

Maskininlärning Mästerskap

TEST TRACK 12

Fullstack Webbutveckling

Bli en React-Utvecklare

Bemästra Datavisualisering

SQL från Nybörjare till Expert

C++-Grunder

Python från Noll till Hjälte

Python Bortom Mellanliggande

Java-Grunder

Spelutveckling med Unity

Become a Django Developer

Flask for Dummies

Grunderna i Frontend-Utveckling

Web Developer from Zero to Hero

Preparation for Data Science

Deep Learning Odyssey

Webbutveckling med C#

TEST E2E TRACK BEGINNER

Test Track

Skilled Python BackEnd Developer

Test Recalculate

Excel-Grunder

Full-Stack .NET Developer Journey

Full-Stack .NET Developer Journey

Test track with rating

TEST TEST TRACK

Dataanalytiker Grundläggande

C++ Mästerskap

Java Web

Bli en QA-Ingenjör

Videoproduktion med Adobe

UI/UX Designverktyg

Test image upload track

Grundläggande Kontorsfärdigheter

GitHub from Zero to Hero

Webbplatsutveckling Utan Kod

C Programming & Low-Level Development

testes

Test translation track

Test CMS Track

Python for Data Analysis

Digital Marketing Essentials

Complete Social Media Management

Business AI Toolkit

track with track courses

Some test track

TEST PROGRESS TRACK

Ready to get started?