AI with Python: Apply & Implement ML Models

Sichern Sie sich eines unserer besten Angebote mit Coursera Plus für 199 $ (normalerweise 399 $). Jetzt sparen.

kurs ist nicht verfügbar in Deutsch (Deutschland)

Wir übersetzen es in weitere Sprachen. Sehen Sie sich die Sprachen an, die wir anbieten.

AI with Python: Apply & Implement ML Models

Dieser Kurs ist Teil von Spezialisierung „Artificial Intelligence with Python: Foundations to Projects“

Dozent: EDUCBA

Bei enthalten

Mehr erfahren

3 Module

Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.

13 Bewertungen

9 Stunden zu vervollständigen

Flexibler Zeitplan

In Ihrem eigenen Lerntempo lernen

3 Module

Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.

13 Bewertungen

9 Stunden zu vervollständigen

Flexibler Zeitplan

In Ihrem eigenen Lerntempo lernen

Was Sie lernen werden

Analyze datasets and apply key ML algorithms in Python.
Evaluate classifiers and perform dimensionality reduction.
Build deep learning models with TensorFlow, Keras, and PyTorch.

Kompetenzen, die Sie erwerben

Kategorie: Dimensionality Reduction
Kategorie: Data Cleansing
Kategorie: Machine Learning Methods
Kategorie: Artificial Intelligence
Kategorie: Machine Learning
Kategorie: Data Processing
Kategorie: Data Preprocessing
Kategorie: Data Presentation
Kategorie: Artificial Neural Networks
Kategorie: Applied Machine Learning
Kategorie: Deep Learning
Kategorie: Model Optimization
Kategorie: Artificial Intelligence and Machine Learning (AI/ML)
Kategorie: Model Evaluation

Werkzeuge, die Sie lernen werden

Kategorie: Python Programming
Kategorie: Jupyter
Kategorie: PyTorch (Machine Learning Library)
Kategorie: Tensorflow
Kategorie: Keras (Neural Network Library)
Kategorie: Rmarkdown

Wichtige Details

Zertifikat zur Vorlage

Zu Ihrem LinkedIn-Profil hinzufügen

Bewertungen

11 Aufgaben

Unterrichtet in Englisch

Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.

Weitere Informationen zu Coursera für Unternehmen

Logos von Petrobras, TATA, Danone, Capgemini, P&G und L'Oreal

Erweitern Sie Ihre Fachkenntnisse

Dieser Kurs ist Teil der Spezialisierung Spezialisierung „Artificial Intelligence with Python: Foundations to Projects“

Wenn Sie sich für diesen Kurs anmelden, werden Sie auch für diese Spezialisierung angemeldet.

Lernen Sie neue Konzepte von Branchenexperten
Gewinnen Sie ein Grundverständnis bestimmter Themen oder Tools
Erwerben Sie berufsrelevante Kompetenzen durch praktische Projekte
Erwerben Sie ein Berufszertifikat zur Vorlage

In diesem Kurs gibt es 3 Module

By the end of this course, learners will be able to analyze datasets, apply machine learning algorithms, evaluate classifiers, and implement deep learning models using Python and its popular frameworks. The course begins with the foundations of AI, covering essential concepts such as Python for AI, bias-variance tradeoff, and model evolution. Learners will then explore data handling, visualization, dimensionality reduction, and classifier evaluation to strengthen practical ML skills. Finally, the course dives into advanced AI with multilayer perceptrons, clustering, ensemble methods, and hands-on practice with TensorFlow, Keras, and PyTorch.

What makes this course unique is its step-by-step structure combining theory with practical coding demonstrations using Jupyter Notebook, ensuring learners can directly apply concepts to real-world problems. Through integrated lessons on documentation and visualization, participants will also learn how to clearly present AI projects. Designed for intermediate-level learners, this course bridges the gap between basic knowledge and advanced AI applications, empowering you to confidently build, test, and refine machine learning and deep learning models.

This module builds a strong foundation in Artificial Intelligence by introducing Python’s role in AI, exploring the basics of machine learning, and emphasizing the importance of data processing. Learners will also examine the concepts of bias, variance, and model evolution while gaining hands-on exposure to Scikit-learn, a widely used machine learning library. By the end of this module, learners will be equipped with essential skills to begin building AI solutions confidently.

Das ist alles enthalten

8 Videos3 Aufgaben

8 VideosInsgesamt 75 Minuten

Introduction to Course8 Minuten
Python for AI6 Minuten
What is Machin Learning11 Minuten
Data Processing Effort9 Minuten
What is Meaning of Bias10 Minuten
Bias vs Variance Tradeoff8 Minuten
Model Evolution11 Minuten
Scikit Learn13 Minuten

3 AufgabenInsgesamt 50 Minuten

Introduction to AI and Python10 Minuten
Bias, Variance, and Model Evolution10 Minuten
Graded - Foundations of AI with Python30 Minuten

This module focuses on data handling, preprocessing, and visualization to ensure clean and structured datasets. Learners will practice applying dimensionality reduction techniques, model selection strategies, and classifier methods such as KNN. Additionally, the module highlights evaluation metrics, statistical analysis, and encoding methods to improve classification performance. By completing this module, learners will gain practical skills to prepare data effectively and build accurate machine learning models.

Das ist alles enthalten

13 Videos4 Aufgaben

13 VideosInsgesamt 121 Minuten

Loading the Data11 Minuten
Checking the Visualization14 Minuten
Predict9 Minuten
Data Values8 Minuten
Applying Dimensionality Reduction10 Minuten
Model Selection10 Minuten
Neighbors Classifier10 Minuten
Accuracy of Classifier9 Minuten
ML Classification Hindson7 Minuten
Statistical Analysis of the Dataset6 Minuten
Import Label Encoder9 Minuten
Accuracy Score7 Minuten
Number of Clusters10 Minuten

4 AufgabenInsgesamt 60 Minuten

Data Preparation and Visualization10 Minuten
Feature Engineering and Model Building10 Minuten
Evaluating Classifiers and Datasets10 Minuten
Graded - Data Handling and Machine Learning Models30 Minuten

This module introduces learners to advanced AI techniques, including multilayer perceptrons, clustering, and ensemble methods. It also provides hands-on exposure to popular frameworks like TensorFlow, PyTorch, and Keras within Jupyter Notebook environments. The module concludes with practical applications in binary classification, documentation using Markdown, and visualization with Pyplot, empowering learners to implement deep learning models and present AI projects effectively.

Das ist alles enthalten

8 Videos4 Aufgaben

8 VideosInsgesamt 69 Minuten

Multilayer Perceptron7 Minuten
Multilayer Perceptron Continued8 Minuten
Multiple Method10 Minuten
Keras-Pytorch and Tensorflow10 Minuten
Working on Jupyter Notebook11 Minuten
Binary Classification12 Minuten
Use Markdown Headings6 Minuten
Pyplot6 Minuten

4 AufgabenInsgesamt 60 Minuten

Neural Networks with Perceptrons10 Minuten
Ensemble Methods and Frameworks10 Minuten
Classification, Documentation, and Visualization10 Minuten
Graded - Deep Learning and Practical AI Applications30 Minuten

Erwerben Sie ein Karrierezertifikat.

Fügen Sie dieses Zeugnis Ihrem LinkedIn-Profil, Lebenslauf oder CV hinzu. Teilen Sie sie in Social Media und in Ihrer Leistungsbeurteilung.

Dozent

Lehrkraftbewertungen

(8 Bewertungen)

EDUCBA

1.685 Kurse341.855 Lernende

von

EDUCBA

Mehr von Machine Learning entdecken

EDUCBA
Apply Artificial Intelligence Using Python for Beginners
Kurs
Status: Kostenloser Testzeitraum
Kategorie: Credits angeboten
Edureka
Practical Deep Learning with Python
Kurs
Status: Kostenloser Testzeitraum
Kategorie: Credits angeboten
Edureka
Applied Machine Learning with Python
Kurs
Status: Kostenloser Testzeitraum
Kategorie: Credits angeboten
EDUCBA
AI Foundations with Python: Build & Visualize
Kurs
Status: Kostenloser Testzeitraum
Kategorie: Credits angeboten

Warum entscheiden sich Menschen für Coursera für ihre Karriere?

Felipe M.

Lernender seit 2018

„Es ist eine großartige Erfahrung, in meinem eigenen Tempo zu lernen. Ich kann lernen, wenn ich Zeit und Nerven dazu habe.“

Jennifer J.

Lernender seit 2020

„Bei einem spannenden neuen Projekt konnte ich die neuen Kenntnisse und Kompetenzen aus den Kursen direkt bei der Arbeit anwenden.“

Larry W.

Lernender seit 2021

„Wenn mir Kurse zu Themen fehlen, die meine Universität nicht anbietet, ist Coursera mit die beste Alternative.“

Chaitanya A.

„Man lernt nicht nur, um bei der Arbeit besser zu werden. Es geht noch um viel mehr. Bei Coursera kann ich ohne Grenzen lernen.“

Bewertungen von Lernenden

5 stars
76,92 %
4 stars
15,38 %
3 stars
0 %
2 stars
7,69 %
1 star
0 %

Zeigt 3 von 13 an

Geprüft am 19. Jan. 2026

A well-paced course that keeps learners motivated from start to finish.

Geprüft am 14. Jan. 2026

This course provides a clear and practical understanding of AI and machine learning using Python. The concepts are explained in a simple way, making it easy to apply them in real-world projects.

Geprüft am 8. Jan. 2026

A very well-structured course that perfectly combines Python programming with AI fundamentals

Weitere Bewertungen anzeigen

Häufig gestellte Fragen

To access the course materials, assignments and to earn a Certificate, you will need to purchase the Certificate experience when you enroll in a course. You can try a Free Trial instead, or apply for Financial Aid. The course may offer 'Full Course, No Certificate' instead. This option lets you see all course materials, submit required assessments, and get a final grade. This also means that you will not be able to purchase a Certificate experience.

When you enroll in the course, you get access to all of the courses in the Specialization, and you earn a certificate when you complete the work. Your electronic Certificate will be added to your Accomplishments page - from there, you can print your Certificate or add it to your LinkedIn profile.

Yes. In select learning programs, you can apply for financial aid or a scholarship if you can’t afford the enrollment fee. If fin aid or scholarship is available for your learning program selection, you’ll find a link to apply on the description page.

Weitere Fragen

Besuchen Sie die das Hilfe-Center für Kursteilnehmer.

Finanzielle Unterstützung verfügbar,