Machine Learning in Python: Analyze & Apply

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: Data Manipulation
Kategorie: Natural Language Processing
Kategorie: Data Visualization
Kategorie: Unsupervised Learning
Kategorie: Supervised Learning
Kategorie: Model Evaluation
Kategorie: Text Mining
Kategorie: Feature Engineering
Kategorie: Applied Machine Learning
Kategorie: Machine Learning
Kategorie: Machine Learning Algorithms
Kategorie: Data Preprocessing
Kategorie: Matplotlib

Werkzeuge, die Sie lernen werden

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

Wichtige Details

Zertifikat zur Vorlage

Zu Ihrem LinkedIn-Profil hinzufügen

Kürzlich aktualisiert!

Oktober 2025

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 Videos Insgesamt 122 Minuten

Introduction to Machine Learning 6 Minuten
Advantages and Disadvantages of Machine Learning 8 Minuten
NumPy Introduction 7 Minuten
Features and Installation 7 Minuten
NumPy Array Creation 10 Minuten
NumPy Array Attributes 8 Minuten
NumPy Array Operations 11 Minuten
NumPy Array Operations Continue 12 Minuten
NumPy Array Unary Operations 6 Minuten
Numpy Array Splicing 13 Minuten
NumPy Array Shpe 11 Minuten
Stacking Together Different Arrays 11 Minuten
Splitting one Array into Several Smaller ones 6 Minuten
Copies and Views 7 Minuten

4 Aufgaben Insgesamt 60 Minuten

Introduction to Machine Learning 10 Minuten
Exploring NumPy Operations 10 Minuten
Advanced NumPy Techniques 10 Minuten
Graded-Foundations of Machine Learning and NumPy 30 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 Videos Insgesamt 139 Minuten

NumPy Array Indexing 9 Minuten
NumPy Array Indexing Continue 6 Minuten
NumPy Array Boolean 10 Minuten
Introduction to Matlplotlib 5 Minuten
Understanding Various Functions of Pyplot 12 Minuten
Multiple Figures and Subplots 11 Minuten
Intro to Pandas 8 Minuten
Intro to Pandas Continue 8 Minuten
Data Structure in Pandas 11 Minuten
Data Structure in Pandas Continue 14 Minuten
Pandas Column Select 10 Minuten
Remove Operations 10 Minuten
Pandas Arithmetic Operations 12 Minuten
Pandas Arithmetic Operations Continue 7 Minuten
Introduction to Scikit Learn 8 Minuten

4 Aufgaben Insgesamt 60 Minuten

NumPy Indexing and Boolean Operations 10 Minuten
Visualization with Matplotlib 10 Minuten
Mastering Pandas Operations 10 Minuten
Graded-Data Handling with NumPy, Matplotlib, and Pandas 30 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 Videos Insgesamt 135 Minuten

Supervised 9 Minuten
Unsupervised Learning 8 Minuten
Load Data Set 6 Minuten
Scikit Example Digits 7 Minuten
Digits Dataset Using Matplotlib 7 Minuten
Understading Metrics of Predicted Digits Dataset 6 Minuten
Persisting Models 14 Minuten
K-NN Algorithm with Example 15 Minuten
Cross Validation 14 Minuten
Cross Validation Techniques 7 Minuten
K-Means Clustering Example 15 Minuten
Agglomeration 11 Minuten
PCA Pipeline 16 Minuten

4 Aufgaben Insgesamt 60 Minuten

Fundamentals of Machine Learning Models 10 Minuten
Model Evaluation and Validation 10 Minuten
Clustering and Dimensionality Reduction 10 Minuten
Graded-Supervised and Unsupervised Learning with Scikit-Learn 30 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 Videos Insgesamt 107 Minuten

Face Recognition 7 Minuten
Face Recognition Output 6 Minuten
Right Estimator 7 Minuten
Text Data Example 13 Minuten
Extracting Features 8 Minuten
Occurrences to Frequencies 10 Minuten
Classifier Training 7 Minuten
Performance Analysis on the Test Set 12 Minuten
Parameter Tuning 11 Minuten
Language Identifcation 14 Minuten
Movie Review Screen Stream 8 Minuten
Movie Review Screen Stream Continue 4 Minuten

4 Aufgaben Insgesamt 60 Minuten

Face and Text Recognition 10 Minuten
Training and Tuning Classifiers 10 Minuten
Natural Language and Review Analysis 10 Minuten
Graded-Advanced Applications of Machine Learning 30 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

1.050 Kurse 247.633 Lernende

von

EDUCBA

Mehr von Machine Learning entdecken

Edureka
Applied Machine Learning with Python
Kurs
University of Michigan
Applied Machine Learning in Python
Kurs
O.P. Jindal Global University
Machine Learning
Kurs
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.“

Neue Karrieremöglichkeiten mit Coursera Plus

Unbegrenzter Zugang zu 10,000+ Weltklasse-Kursen, praktischen Projekten und berufsqualifizierenden Zertifikatsprogrammen - alles in Ihrem Abonnement enthalten

Mehr erfahren

Bringen Sie Ihre Karriere mit einem Online-Abschluss voran.

Erwerben Sie einen Abschluss von erstklassigen Universitäten – 100 % online

Erkunden Sie die Abschlüsse

Schließen Sie sich mehr als 3.400 Unternehmen in aller Welt an, die sich für Coursera for Business entschieden haben.

Schulen Sie Ihre Mitarbeiter*innen, um sich in der digitalen Wirtschaft zu behaupten.

Mehr erfahren

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.