Learn & Build Machine Learning Models with Python

Ce cours n'est pas disponible en Français (France)

Nous sommes actuellement en train de le traduire dans plus de langues.

Learn & Build Machine Learning Models with Python

Ce cours fait partie de Spécialisation "Apply AI Foundations with Python and AWS"

Instructeur : EDUCBA

Inclus avec

4 modules

Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.

10 avis

niveau Intermédiaire

Expérience recommandée

9 heures à compléter

Planning flexible

Apprenez à votre propre rythme

4 modules

Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.

10 avis

niveau Intermédiaire

Expérience recommandée

9 heures à compléter

Planning flexible

Apprenez à votre propre rythme

Ce que vous apprendrez

Explain core machine learning concepts and prepare data using Python libraries.
Visualize and analyze datasets using NumPy, Pandas, and Matplotlib.
Build and evaluate basic machine learning models using Scikit-learn.

Compétences que vous acquerrez

Catégorie : Model Training
Catégorie : Data Processing
Catégorie : Predictive Modeling
Catégorie : Data Wrangling
Catégorie : Matplotlib
Catégorie : Data Preprocessing
Catégorie : Plot (Graphics)
Catégorie : Machine Learning
Catégorie : Data Pipelines
Catégorie : Data Manipulation
Catégorie : Supervised Learning
Catégorie : Machine Learning Methods
Catégorie : Regression Analysis
Catégorie : Applied Machine Learning
Catégorie : Feature Engineering
Catégorie : Data Visualization
Catégorie : Model Evaluation

Outils que vous découvrirez

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

Détails à connaître

Certificat partageable

Ajouter à votre profil LinkedIn

Récemment mis à jour !

janvier 2026

Évaluations

16 devoirs

Enseigné en Anglais

91%

of learners achieved a positive career outcome

Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées

En savoir plus sur Coursera pour les affaires

logos de Petrobras, TATA, Danone, Capgemini, P&G et L'Oreal

Élaborez votre expertise du sujet

Ce cours fait partie de la Spécialisation "Apply AI Foundations with Python and AWS"

Lorsque vous vous inscrivez à ce cours, vous êtes également inscrit(e) à cette Spécialisation.

Apprenez de nouveaux concepts auprès d'experts du secteur
Acquérez une compréhension de base d'un sujet ou d'un outil
Développez des compétences professionnelles avec des projets pratiques
Obtenez un certificat professionnel partageable

Il y a 4 modules dans ce cours

By the end of this course, learners will be able to explain core machine learning concepts, prepare and analyze data using Python libraries, visualize insights effectively, and build and evaluate basic machine learning models using industry-standard tools.

This beginner-friendly course is designed to provide a clear, structured pathway into machine learning with Python, making it ideal for students, aspiring data scientists, and professionals transitioning into data-driven roles. Learners start with foundational machine learning principles and gradually progress through numerical computing with NumPy, data manipulation with Pandas, and data visualization using Matplotlib. Unlike theory-heavy courses, this program emphasizes practical understanding and hands-on workflows, helping learners connect concepts to real-world applications. The course also introduces essential preprocessing techniques, Scikit-learn pipelines, and linear regression modeling, ensuring learners understand not just how to build models, but why each step matters. What makes this course unique is its step-by-step learning progression, well-structured modules, and assessment-aligned objectives, enabling learners to build confidence as they move from data preparation to model evaluation. Upon completion, learners will have a strong foundation to pursue advanced machine learning topics or apply their skills in real projects.

This module introduces learners to the core concepts of machine learning and establishes a strong foundation in numerical computing using Python. Learners gain an understanding of how machine learning works, its life cycle, and how NumPy is used to create and manipulate numerical data essential for ML workflows.

Inclus

6 vidéos4 devoirs

6 vidéosTotal 34 minutes

Introduction to Course7 minutes
What is Machine Learning5 minutes
Life Cycle5 minutes
Introduction to Numpy Library7 minutes
Creating Arrays from Scratch6 minutes
Creating Arrays from Scratch Continued5 minutes

4 devoirsTotal 60 minutes

Getting Started with Machine Learning10 minutes
Understanding the ML Workflow10 minutes
Creating Data with NumPy10 minutes
Foundations of Machine Learning & Numerical Computing30 minutes

This module focuses on efficient data manipulation using NumPy and introduces Pandas for structured data handling. Learners develop skills in array operations, vectorized computations, and DataFrame-based data exploration, which are critical for data preprocessing in machine learning.

Inclus

6 vidéos4 devoirs

6 vidéosTotal 49 minutes

Array Indexing and Slicing10 minutes
Numpy Array Functions and Shape Modification9 minutes
Mathematical Operations on Numpy Arrays7 minutes
Introduction to Pandas Library10 minutes
Working with Pandas DataFrames7 minutes
Slicing and Indexing with Pandas7 minutes

4 devoirsTotal 60 minutes

Working with NumPy Arrays10 minutes
Numerical Operations & Data Handling10 minutes
Exploring Data with Pandas10 minutes
Mastering NumPy & Introduction to Pandas30 minutes

This module equips learners with practical data analysis and visualization skills using Pandas and Matplotlib. Learners explore datasets, generate statistical insights, handle missing values, and create meaningful visualizations to communicate data-driven findings effectively.

Inclus

6 vidéos4 devoirs

6 vidéosTotal 48 minutes

Create DataFrame and Explore Dataset8 minutes
Data Analysis with Pandas DataFrame12 minutes
Other Useful Methods in Pandas Library4 minutes
Introduction to Matplotlib6 minutes
Customizing Line Plots8 minutes
Create Plot Using DataFrame9 minutes

4 devoirsTotal 60 minutes

Exploring and Analyzing Data10 minutes
Advanced Pandas & Plotting Basics10 minutes
Creating Meaningful Visualizations10 minutes
Data Analysis & Visualization30 minutes

This module introduces practical machine learning implementation using Scikit-learn. Learners focus on data preprocessing, pipeline construction, model evaluation, and linear regression, enabling them to build, evaluate, and interpret machine learning models with confidence.

Inclus

6 vidéos4 devoirs

6 vidéosTotal 58 minutes

Standard Scaler to Scale the Data6 minutes
Encoding Categorical Data11 minutes
Sklearn Pipeline and Column Transformer12 minutes
Evaluation Metrics in Sklearn7 minutes
Linear Regression12 minutes
Evaluation of Linear Regression Model11 minutes

4 devoirsTotal 60 minutes

Data Preprocessing Techniques10 minutes
Building Robust ML Pipelines10 minutes
Linear Regression in Practice10 minutes
Machine Learning with Scikit-Learn30 minutes

Obtenez un certificat professionnel

Ajoutez ce titre à votre profil LinkedIn, à votre curriculum vitae ou à votre CV. Partagez-le sur les médias sociaux et dans votre évaluation des performances.

Instructeur

EDUCBA

1 408 Cours308 849 apprenants

Offert par

EDUCBA

En savoir plus sur Machine Learning

Statut : Prévisualisation
O.P. Jindal Global University
Machine Learning
Cours
Statut : Essai gratuit
EDUCBA
Machine Learning with Python: Build & Optimize
Cours
Statut : Essai gratuit
IBM
Machine Learning with Python
Cours
Statut : Essai gratuit
Edureka
Applied Machine Learning with Python
Cours

Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?

Felipe M.

Étudiant(e) depuis 2018

’Pouvoir suivre des cours à mon rythme à été une expérience extraordinaire. Je peux apprendre chaque fois que mon emploi du temps me le permet et en fonction de mon humeur.’

Jennifer J.

Étudiant(e) depuis 2020

’J'ai directement appliqué les concepts et les compétences que j'ai appris de mes cours à un nouveau projet passionnant au travail.’

Larry W.

Étudiant(e) depuis 2021

’Lorsque j'ai besoin de cours sur des sujets que mon université ne propose pas, Coursera est l'un des meilleurs endroits où se rendre.’

Chaitanya A.

’Apprendre, ce n'est pas seulement s'améliorer dans son travail : c'est bien plus que cela. Coursera me permet d'apprendre sans limites.’

Avis des étudiants

5 stars
90,90 %
4 stars
9,09 %
3 stars
0 %
2 stars
0 %
1 star
0 %

Affichage de 3 sur 10

Révisé le 15 mai 2026

A very well-structured course with clear explanations and practical exercises.

Révisé le 23 mai 2026

The instructor explained complex algorithms in an easy-to-understand manner, making the learning experience engaging and highly valuable.

Révisé le 14 mai 2026

The hands-on Python projects and real-world datasets made it easy to understand how to build and evaluate machine learning models effectively.

Voir plus d’avis

Foire Aux Questions

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.