Machine Learning in Python: Analyze & Apply

Sparen Sie mit 40% Rabatt auf 3 Monate Coursera Plus bei den Fähigkeiten, die Sie zum Strahlen bringen. Jetzt sparen

kurs ist nicht verfügbar in Deutsch (Deutschland)

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

Machine Learning in Python: Analyze & Apply

Dieser Kurs ist Teil von Spezialisierung „AI Machine Learning with R & Python Projects“

Dozent: EDUCBA

Bei enthalten

Mehr erfahren

4 Module

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

1 Woche zu vervollständigen

unter 10 Stunden pro Woche

Flexibler Zeitplan

In Ihrem eigenen Lerntempo lernen

4 Module

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

1 Woche zu vervollständigen

unter 10 Stunden pro Woche

Flexibler Zeitplan

In Ihrem eigenen Lerntempo lernen

Was Sie lernen werden

Apply NumPy, Pandas, and Matplotlib for data analysis & visualization.
Build, train, and validate supervised & unsupervised ML models.
Implement NLP, face recognition, and text classification projects.

Kompetenzen, die Sie erwerben

Kategorie: Model Optimization
Kategorie: Supervised Learning
Kategorie: Predictive Modeling
Kategorie: Plot (Graphics)
Kategorie: Data Visualization
Kategorie: Machine Learning
Kategorie: Text Mining
Kategorie: Data Management
Kategorie: Natural Language Processing
Kategorie: Applied Machine Learning
Kategorie: Matplotlib
Kategorie: Machine Learning Algorithms
Kategorie: Unsupervised Learning
Kategorie: Data Manipulation
Kategorie: Model Training
Kategorie: Feature Engineering

Werkzeuge, die Sie lernen werden

Kategorie: Pandas (Python Package)
Kategorie: Scikit Learn (Machine Learning Library)
Kategorie: Python Programming
Kategorie: NumPy

Wichtige Details

Zertifikat zur Vorlage

Zu Ihrem LinkedIn-Profil hinzufügen

Bewertungen

16 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 „AI Machine Learning with R & Python 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 4 Module

By the end of this course, learners will be able to analyze machine learning fundamentals, apply NumPy for numerical computing, visualize data with Matplotlib, and manage structured datasets using Pandas. They will also be able to evaluate supervised and unsupervised models in scikit-learn, optimize performance through validation techniques, and implement advanced applications such as face recognition, text classification, and sentiment analysis.

This course provides a complete, hands-on pathway to mastering Python’s data science ecosystem. Each module balances conceptual clarity with practical coding examples, ensuring that learners not only understand theory but also build real-world skills. The inclusion of advanced topics like feature extraction, parameter tuning, and natural language processing sets this course apart from typical machine learning introductions. Whether you are a beginner in data science or a professional seeking to strengthen applied machine learning expertise, this course offers a structured, project-ready learning journey. Learners will leave with the confidence to build, validate, and deploy machine learning solutions across multiple domains.

This module introduces the core concepts of machine learning and the fundamental role of NumPy in Python-based data science. Learners explore the advantages and challenges of machine learning, install and set up NumPy, and perform basic array operations. By the end, students gain a solid foundation for working with numerical data structures in Python.

Das ist alles enthalten

14 Videos4 Aufgaben

14 VideosInsgesamt 122 Minuten

Introduction to Machine Learning6 Minuten
Advantages and Disadvantages of Machine Learning8 Minuten
NumPy Introduction7 Minuten
Features and Installation7 Minuten
NumPy Array Creation10 Minuten
NumPy Array Attributes8 Minuten
NumPy Array Operations11 Minuten
NumPy Array Operations Continue12 Minuten
NumPy Array Unary Operations6 Minuten
Numpy Array Splicing13 Minuten
NumPy Array Shpe11 Minuten
Stacking Together Different Arrays11 Minuten
Splitting one Array into Several Smaller ones6 Minuten
Copies and Views7 Minuten

4 AufgabenInsgesamt 60 Minuten

Graded-Foundations of Machine Learning and NumPy30 Minuten
Introduction to Machine Learning10 Minuten
Exploring NumPy Operations10 Minuten
Advanced NumPy Techniques10 Minuten

This module focuses on data manipulation and visualization using Python’s scientific libraries. Learners advance their NumPy skills with indexing and Boolean operations, visualize data through Matplotlib plots, and master structured data handling with Pandas. These tools form the backbone of efficient exploratory data analysis.

Das ist alles enthalten

15 Videos4 Aufgaben

15 VideosInsgesamt 139 Minuten

NumPy Array Indexing9 Minuten
NumPy Array Indexing Continue6 Minuten
NumPy Array Boolean10 Minuten
Introduction to Matlplotlib5 Minuten
Understanding Various Functions of Pyplot12 Minuten
Multiple Figures and Subplots11 Minuten
Intro to Pandas8 Minuten
Intro to Pandas Continue8 Minuten
Data Structure in Pandas11 Minuten
Data Structure in Pandas Continue14 Minuten
Pandas Column Select10 Minuten
Remove Operations10 Minuten
Pandas Arithmetic Operations12 Minuten
Pandas Arithmetic Operations Continue7 Minuten
Introduction to Scikit Learn8 Minuten

4 AufgabenInsgesamt 60 Minuten

Graded-Data Handling with NumPy, Matplotlib, and Pandas30 Minuten
NumPy Indexing and Boolean Operations10 Minuten
Visualization with Matplotlib10 Minuten
Mastering Pandas Operations10 Minuten

This module introduces machine learning models through scikit-learn, covering both supervised and unsupervised approaches. Learners explore datasets, train classifiers, validate models with cross-validation, and evaluate performance metrics. By the end, they understand clustering, dimensionality reduction, and core ML workflows.

Das ist alles enthalten

13 Videos4 Aufgaben

13 VideosInsgesamt 135 Minuten

Supervised9 Minuten
Unsupervised Learning8 Minuten
Load Data Set6 Minuten
Scikit Example Digits7 Minuten
Digits Dataset Using Matplotlib7 Minuten
Understading Metrics of Predicted Digits Dataset6 Minuten
Persisting Models14 Minuten
K-NN Algorithm with Example15 Minuten
Cross Validation14 Minuten
Cross Validation Techniques7 Minuten
K-Means Clustering Example15 Minuten
Agglomeration11 Minuten
PCA Pipeline16 Minuten

4 AufgabenInsgesamt 60 Minuten

Graded-Supervised and Unsupervised Learning with Scikit-Learn30 Minuten
Fundamentals of Machine Learning Models10 Minuten
Model Evaluation and Validation10 Minuten
Clustering and Dimensionality Reduction10 Minuten

This module covers advanced applications of machine learning, including face recognition, text classification, and natural language processing. Learners extract features, train classifiers, tune parameters, and conduct sentiment analysis. The skills gained prepare students to apply machine learning in real-world contexts.

Das ist alles enthalten

12 Videos4 Aufgaben

12 VideosInsgesamt 107 Minuten

Face Recognition7 Minuten
Face Recognition Output6 Minuten
Right Estimator7 Minuten
Text Data Example13 Minuten
Extracting Features8 Minuten
Occurrences to Frequencies10 Minuten
Classifier Training 7 Minuten
Performance Analysis on the Test Set12 Minuten
Parameter Tuning11 Minuten
Language Identifcation14 Minuten
Movie Review Screen Stream8 Minuten
Movie Review Screen Stream Continue4 Minuten

4 AufgabenInsgesamt 60 Minuten

Graded-Advanced Applications of Machine Learning30 Minuten
Face and Text Recognition10 Minuten
Training and Tuning Classifiers10 Minuten
Natural Language and Review Analysis10 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

EDUCBA

1.291 Kurse294.073 Lernende

von

EDUCBA

Mehr von Machine Learning entdecken

Status: Kostenloser Testzeitraum
Edureka
Applied Machine Learning with Python
Kurs
Status: Kostenloser Testzeitraum
University of Michigan
Applied Machine Learning in Python
Kurs
Status: Vorschau
O.P. Jindal Global University
Machine Learning
Kurs
Status: Kostenloser Testzeitraum
EDUCBA
Machine Learning with Python: Case Studies
Kurs

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.“

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.