Майстерність у машинному навчанні
Intermediate
4.5
6 reviews
24 Learners
Updated 11/2025
Опануйте повний спектр машинного навчання з Python, поєднуючи практичні навички з ґрунтовними теоретичними основами. Швидко створюйте моделі за допомо…
188
Chapters
21
Learning hours
182
Assignments
AI Assistant
Shareable Certificate
Результати
Результати
Track content
Related courses and projects
Відгуки
Особливості
Ціни
Результати
Результати
Track content
Related courses and projects
Відгуки
Особливості
Ціни
Що ви навчитеся
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
Ознайомлення з концепціями машинного навчання та робочим процесом проєкту ML.
Попередня обробка є, ймовірно, найважливішим етапом проєкту машинного навчання. У цьому розділі розглядаються кроки попередньої обробки, необхідні для майже будь-якого набору даних.
Поняття Scikit-learn
Ознайомлення з Набором Даних
Обробка Відсутніх Значень
Завдання: Заповнення Пропущених Значень
Кодувальник Порядкових Ознак
One-Hot Енкодер
Labelencoder
Завдання: Кодування Категоріальних Змінних
Чому Необхідно Масштабувати Дані?
StandardScaler, MinMaxScaler, MaxAbsScaler
Завдання: Масштабування Ознак
Конвеєр — це зручний спосіб об'єднати всі етапи попередньої обробки та модель. Конвеєри значно спрощують навчання та використання моделі.
Моделювання — це найцікавіший етап проєкту машинного навчання. Дізнаймося, як створювати, налаштовувати та оцінювати модель!
Ознайомлення з основами математичних функцій. Вивчення різних типів алгебраїчних і трансцендентних функцій, їх властивостей і реалізації у Python для розв'язання прикладних задач.
Вступ до Функцій
Основи Jupyter Notebook
Реалізація базових функцій у Python
Алгебраїчні Функції
Реалізація Тотожних і Квадратичних Функцій у Python
Реалізація Раціональних Функцій у Python
Завдання: Максимізація Прибутку за Допомогою Квадратичних Функцій
Трансцендентні Функції
Реалізація Експоненціально-Логарифмічних Функцій у Python
Реалізація Синусоїдально-Тангенціальних Функцій у Python
Опанування понять множин і рядів: від базових операцій до практичного застосування. Практичний досвід реалізації операцій над множинами та роботи з арифметичними й геометричними рядами в Python.
Сформуйте ґрунтовне розуміння границь, похідних, інтегралів і часткових похідних. Поєднання теорії з практикою шляхом реалізації цих понять у Python та їх застосування до оптимізації за допомогою градієнтного спуску.
Вступ до Границь
Реалізація Границь у Python
Вступ до Похідних
Реалізація Похідних у Python
Вступ до Інтегралів
Реалізація Інтегралів у Python
Вступ до частинних похідних
Реалізація Часткових Похідних у Python
Градієнтний спуск
Реалізація градієнтного спуску на Python
Завдання: Апроксимація Прямої Методом Градієнтного Спуску
Сформуйте ґрунтовні знання про вектори, матриці та перетворення. Вивчайте методи декомпозиції та аналіз власних значень, закріплюючи концепції за допомогою завдань з програмування на Python і практичних застосувань у науці про дані.
Вступ до Векторів
Реалізація Векторів у Python
Операції з Матрицями
Операції з Матрицями в Python
Вступ до Матричних Перетворень
Реалізація Матричних Перетворень у Python
Виклик: Комбіновані Перетворення Вектора
Вступ до Розкладу Матриць
Реалізація Розкладу Матриці в Python
Виклик: Розв’язання Лінійної Системи за Допомогою LU-Розкладу
Вступ до Власних Векторів і Власних Значень
Реалізація Власних Векторів і Власних Значень у Python
Занурення в теорію ймовірностей і статистику. Вивчення умовної ймовірності, теореми Байєса та статистичних мір. Реалізація основних концепцій у Python, моделювання розподілів і вдосконалення навичок за допомогою завдань і вікторин.
Основи Розуміння Ймовірності
Реалізація Основ Ймовірності в Python
Розуміння Умовної Ймовірності та Теореми Байєса
Реалізація Умовної Ймовірності та Теореми Байєса в Python
Розуміння Вибірки
Реалізація Вибірки у Python
Розуміння Центральної Тенденції та Розсіювання
Реалізація Розмаху у Python
Завдання: Ймовірнісний Аналіз Контролю Якості
Розуміння Розподілів Ймовірностей
Реалізація Ймовірнісних Розподілів у Python
Виклик: Вибірковий Контроль Якості
Опанування базових етапів очищення та підготовки сирих даних для аналізу та машинного навчання.
Перетворення сирих даних у придатні ознаки для моделей машинного навчання.
Інженерія та відбір ознак для підвищення продуктивності моделі та її інтерпретованості.
Почнемо з найпростішої моделі лінійної регресії. Ви ознайомитеся з основною ідеєю лінійної регресії та дізнаєтеся, як здійснювати прогнозування в Python.
Більшість реальних задач прогнозування включають більше ніж одну ознаку. Ви дізнаєтеся, як працювати з лінійною регресією з декількома ознаками.
Пряма лінія не завжди добре описує дані. Дізнаймося, як побудувати складнішу модель для прогнозування. Саме для цього підходить поліноміальна регресія.
Тепер, коли ви знаєте, як створювати різні моделі лінійної регресії, необхідно визначити спосіб вибору найкращої з них. Це можливо за допомогою метрик. У цьому розділі розглядаються найбільш поширені метрики та труднощі, з якими можна зіткнутися під час їх використання.
Дізнайтеся, як алгоритм k найближчих сусідів здійснює передбачення на основі схожості. Ознайомтеся з обробкою декількох ознак, налаштуванням параметрів і застосуванням крос-валідації для підвищення точності.
Засвоєння принципів моделювання ймовірностей та класифікації результатів за допомогою логістичної регресії. Практика реалізації, інтерпретації меж рішень і застосування регуляризації для запобігання перенавчанню.
Дізнайтеся, як дерева рішень розділяють дані на змістовні групи на основі значень ознак. Дослідіть, як такі параметри, як глибина дерева та мінімальна кількість зразків у листі, впливають на продуктивність моделі та її здатність до узагальнення.
Дослідження того, як випадкові ліси поєднують кілька дерев рішень для підвищення точності та стійкості. Розуміння ролі випадковості та застосування цього ансамблевого методу до реальних даних.
Оцінювання моделей за допомогою метрик, таких як точність, прецизійність, повнота та F1-міра. Вивчення інтерпретації матриць плутанини та порівняння кількох класифікаторів для визначення найефективнішої моделі.
Занурення в основи кластеризації та виявлення відмінностей від класифікації. Огляд основних алгоритмів, інструментів і бібліотек, що забезпечують роботу цього методу неконтрольованого навчання для виявлення прихованих закономірностей у даних.
Отримайте ґрунтовне розуміння ключових методів попередньої обробки, які забезпечують ефективне кластерування. Дізнайтеся, як обробляти пропущені значення, кодувати категоріальні ознаки, нормалізувати дані та обирати відповідні міри відстані й методи зв’язування для підвищення точності кластеризації.
Опановуйте навички, необхідні для ефективного застосування кластеризації K-Means. Дізнайтеся, як працює алгоритм, визначайте оптимальну кількість кластерів та отримуйте практичний досвід, впроваджуючи K-Means на синтетичних і реальних наборах даних.
Що таке кластеризація K-Means?
Як Працює Алгоритм K-Means?
Визначення оптимальної кількості кластерів за допомогою WSS
Визначення оптимальної кількості кластерів за допомогою коефіцієнта силуету
Реалізація на Тестовому Наборі Даних
Реалізація на Реальному Наборі Даних
Завдання: Реалізація Кластеризації Методом K-Середніх
Ознайомлення з основами ієрархічного кластерування та групування даних у змістовні кластери за допомогою дендрограм. Формування впевненості у визначенні оптимальної кількості кластерів і застосуванні методу до синтетичних і реальних наборів даних.
Дізнайтеся, як DBSCAN ефективно виявляє кластери різної форми та обробляє шум у даних. Ознайомтеся з принципами роботи цього алгоритму на основі щільності, методами призначення точок до кластерів і застосуванням до синтетичних та реальних наборів даних.
Отримайте ґрунтовне розуміння моделей змішування Гауса та того, як вони використовують ймовірність для моделювання складних форм кластерів. Ознайомтеся з принципами гаусового розподілу, дослідіть роботу GMM та закріпіть знання шляхом застосування до тестових і реальних даних.
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.
Покращуйте свої технічні навички!
зі знижкою до 55%
Features:
*Tracks not included in Pro plan
500+ найкращих курсівПередовий AI Копілот
Персоналізовані навчальні треки40+ практичних реальних проектів
Без скасування, до закінчення обраного плану зі знижкою, я погоджуюсь, що Codefinity автоматично стягне плату $104 кожні 3 місяці поки я не скасую. Дізнайтеся більше про політику скасування та повернення в Умови підписки.
Recommended Courses and Projects
курс
Course without tasks for flow test
Course for E2E testing
1 година
4 розділівБазовий
427 ЗАРАЗ ВИВЧАЄ
курс
TEST COURSE WITH ALL TYPES OF COLUMN CHAPTERS
test python course with 6 sections
1 година 14 розділівБазовий
753 ЗАРАЗ ВИВЧАЄ
курс
Testing Video Player
1 година 1 розділБазовий
курс
Test mobile outline course
Super course
1 година 6 розділівСередній
740 ЗАРАЗ ВИВЧАЄ
проєкт
Проведення A/B Тесту
У світі бізнесу прийняття рішень на основі достовірних даних, а не інтуїції, може стати ключем до успіху. Цей курс зосереджений на одній важливій техніці: аналізі даних A/B тестування. Основою курсу є проєкт, у якому ви проведете детальний аналіз A/B тесту. Цей проєкт, який ви можете додати до свого резюме, розміщено на Codefinity, що дозволяє постійно його вдосконалювати та демонструвати зростаючу експертизу.
Лише для Ultimate
1 година 1 розділСередній
678 ЗАРАЗ ВИВЧАЄ
курс
TEST FREE COURSE
description
1 година 3 розділівБазовий
798 ЗАРАЗ ВИВЧАЄ
курс
TEST SHORT VIDEO COURSE
1 година 2 розділівБазовий
1307 ЗАРАЗ ВИВЧАЄ
курс
TEST COMPARE MODE
description
1 година 2 розділівПросунутий
курс
Test e2e new task ui
Some
1 година 2 розділівБазовий
445 ЗАРАЗ ВИВЧАЄ
курс
SAVE CODE SNIPPET TEST
description
1 година 4 розділівПросунутий
курс
TEST COLUMN AI ASSISTANT PYTHON
description
1 година 1 розділПросунутий
523 ЗАРАЗ ВИВЧАЄ
проєкт
Аналіз Даних Міського Велопрокату
Цей курс ознайомлює з аналізом і візуалізацією впливу погодних та сезонних факторів на щоденний попит на прокат велосипедів на основі реальних даних.
1 година 0 розділБазовий
316 ЗАРАЗ ВИВЧАЄ
TRANSPORTATION & MOBILITY
Discover more Learning Tracks
трек
TEST TRACK 12
1 Курс
1 Проєкт
0 TaskБазовий
4.0
(18009)
трек
Full Stack Веб Розробка
7 Курсів424 ЗавданьБазовий
4.5
(53)
трек
Станьте React Розробником
4 Курсів98 ЗавданьСередній
4.8
(8)
трек
Аналіз та Візуалізація Даних на Python
5 Курсів146 ЗавданьСередній
4.4
(9)
трек
SQL з Нуля до Героя
7 Курсів249 ЗавданьБазовий
4.6
(113)
трек
С++ для Початківців
6 Курсів124 ЗавданьБазовий
3.9
(31)
трек
Python з Нуля до Героя
6 Курсів215 ЗавданьБазовий
4.6
(337)
трек
Python Понад Середній Рівень
2 Курсів1 Проєкт62 ЗавданьБазовий
5.0
(2)
трек
Основи Java
11 Курсів459 ЗавданьБазовий
4.5
(16)
трек
Розробка Ігор з Unity
4 Курсів164 ЗавданьБазовий
4.4
(8)
трек
Become a Django Developer
5 Курсів178 ЗавданьПросунутий
4.5
(33)
Чому обирають 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
Інтерактивне середовище кодування
Зануртеся в наше інтерактивне середовище: пишіть і запускайте свій код з миттєвим зворотним зв'язком і метриками успіху — навчайтеся, виконуючи на кожному кроці.
Підтримка на базі AI
Використовуйте вбудованого AI асистента для пояснення помилок, пропозицій виправлень або відповідей на будь-які питання щодо вашого коду — залишайтеся продуктивними і ніколи не застрягайте.
Check your progress
Завершуйте кожен модуль швидким тестом, який надає миттєвий зворотний зв'язок, відстежує ваш прогрес і гарантує, що ви освоїли ключові концепції.
Promote your expertise
Отримайте сертифікат, визнаний у галузі, після завершення і поділіться ним на LinkedIn одним кліком — нехай ваша мережа бачить, що ви можете.
Довіряють працівники провідних компаній
та студенти з провідних університетів
Повний доступ до каталогу
Одна підписка відкриває цей курс і весь наш каталог проектів і навичок.Features:
500+ найкращих курсівПередовий AI Копілот
Персоналізовані навчальні треки40+ практичних реальних проектів
Без скасування, до закінчення обраного плану зі знижкою, я погоджуюсь, що Codefinity автоматично стягне плату $104 кожні 3 місяці поки я не скасую. Дізнайтеся більше про політику скасування та повернення в Умови підписки.
Спробуйте Codefinity з упевненістю — включена 30-денна гарантія повернення грошей
Щоб привітати вас у Codefinity, ми пропонуємо до 64% знижки на наші курси. Крім того, у нас є 30-денна гарантія повернення грошей, щоб ви могли спробувати нас без ризику.Ми щиро чекаємо на вас на нашій платформі і прагнемо зробити ваше навчання легким, інтерактивним і веселим.
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
Миттєвий доступ до 500+ курсів
Необмежене навчання, миттєвий доступОтримайте повний доступ до всіх курсів і треків, включаючи відеоматеріали, тести та глибокі матеріали — починайте навчання в будь-який час.
Сертифікати, визнані у галузіОтримуйте сертифікати, що підтверджують вашу експертизу і підвищують вашу кар'єру в технологіях, AI, даних, маркетингу та інших сферах.
Навчання з підтримкою ШІОтримуйте персоналізовані підказки, миттєвий зворотний зв'язок і пояснення на базі AI для прискорення вашого прогресу.
Постійне розширення: нові курси та кар'єрні трекиБудьте попереду з постійно оновлюваними курсами, кар'єрними дорожніми картами, викликами та практичними тестами.
Розвивайте важливі навичкиОпануйте затребувані навички з курсами з AI, науки про дані, програмування, маркетингу, автоматизації, веб-розробки та інших.
Інтерактивне та безперервне навчанняЗаймайтеся практичними проектами, реальними вправами та інтуїтивним навчанням — без додаткових інструментів.
