

Usikker på hvor
starte?
Track
Certifikat!
Superviseret Maskinlæring
4.6+
★★★★★
★★★★★
134 anmeld.
Intermediate
Dette spor introducerer grundlæggende begreber og metoder inden for maskinlæring. Det dækker brugen af scikit-learn til modeludvikling, lineær regression til prædiktiv analyse og klassifikationsmetoder til datakategorisering. Vis nu mere
python
Boost your Tech Skills!
with up to 55% off
What you'll get with our subscription:
Access to 85+ top-rated courses
AI-driven Learning
Workspaces for practicing your skills
Personalized study tracks
Certificates of completion
Training 2 or more people?
Get your team access to Codefinity courses anytime, anywhere.
Try Codefinity TeamsWhat you will learn
- Understand the core principles of supervised learning and apply them using scikit-learn
- Develop a strong mathematical foundation for data science, including linear algebra, probability, and optimization
- Learn to implement and evaluate linear regression models for predictive analysis
- Explore classification techniques and build models to distinguish between different categories of data
- Master ensemble learning methods to improve model performance and robustness
- Learn the core principles of neural networks, how to build basic deep learning models and evaluate them
- 141 chapters
- 20 hours
- 148 tasks
Trusted by employees of leading companies
Learning track content
Module 1 / ML Introduction with scikit-learn
Learn the Machine Learning concepts and the ML project workflow.
Preprocessing is probably the most important stage of an ML project. This chapter covers the preprocessing steps needed for almost any dataset.
- Scikit-learn ConceptsForhåndsvisning
- Getting Familiar with DatasetForhåndsvisning
- Dealing with Missing ValuesForhåndsvisning
- Challenge: Imputing Missing ValuesForhåndsvisning
- OrdinalEncoderForhåndsvisning
- One-Hot EncoderForhåndsvisning
- LabelEncoderForhåndsvisning
- Challenge: Encoding Categorical VariablesForhåndsvisning
- Why Scale the Data?Forhåndsvisning
- StandardScaler, MinMaxScaler, MaxAbsScalerForhåndsvisning
- Challenge: Scaling the FeaturesForhåndsvisning
A pipeline is a neat way to combine all the preprocessing steps as well as a model. Pipelines make it much easier to train and use a model.
Modeling is the most fun stage of an ML project. Let's learn to build, fine-tune and evaluate the model!
- ModelsForhåndsvisning
- KNeighborsClassifierForhåndsvisning
- Evaluating the ModelForhåndsvisning
- Cross-ValidationForhåndsvisning
- Challenge: Evaluating the Model with Cross-ValidationForhåndsvisning
- GridSearchCVForhåndsvisning
- The Flaw of GridSearchCVForhåndsvisning
- Challenge: Tuning Hyperparameters with RandomizedSearchCVForhåndsvisning
- Modeling SummaryForhåndsvisning
- Challenge: Putting It All TogetherForhåndsvisning
Module 2 / Lineær Regression med Python
Lad os begynde med den simpleste lineære regressionsmodel! Du vil lære idéen bag lineær regression og hvordan man foretager forudsigelser i Python.
De fleste virkelige forudsigelsesopgaver involverer mere end én feature. Du vil lære, hvordan man håndterer lineær regression med flere features.
En ret linje beskriver ikke altid dataene tilstrækkeligt. Lad os lære at opbygge en mere kompleks model til forudsigelse. Det er det, polynomiel regression egner sig til.
Nu hvor du ved, hvordan man bygger mange lineære regressionsmodeller, har du brug for en metode til at vælge den bedste. Dette kan opnås ved hjælp af metrikker. Dette afsnit forklarer de mest anvendte metrikker og de udfordringer, du kan støde på ved brug af dem.
Module 3 / Classification with Python
- What is ClassificationForhåndsvisning
- What is k-NNForhåndsvisning
- k-NN with Multiple FeaturesForhåndsvisning
- Implementing k-NNForhåndsvisning
- Multi-Class ClassificationForhåndsvisning
- Train-test Split. Cross ValidationForhåndsvisning
- Challenge: Choosing the Best K Value.Forhåndsvisning
- k-NN SummaryForhåndsvisning
- What is Logistic RegressionForhåndsvisning
- Finding the ParametersForhåndsvisning
- Challenge: Implementing Logistic RegressionForhåndsvisning
- Decision BoundaryForhåndsvisning
- Overfitting. RegularizationForhåndsvisning
- Challenge: Classifying Unseparateble DataForhåndsvisning
- Logistic Regression SummaryForhåndsvisning
Module 4 / Introduktion til Reinforcement Learning
Dette afsnit introducerer de grundlæggende principper for reinforcement learning, herunder dets definerende egenskaber, matematiske fundament og hvordan agenter lærer gennem interaktion og feedback. Du får også praktisk erfaring med essentielle værktøjer som forberedelse til at bygge og træne dine første RL-agenter.
- Hvad er RL?Forhåndsvisning
- RL vs Andre LæringsparadigmerForhåndsvisning
- Markov BeslutningsprocesForhåndsvisning
- Episoder og AfkastForhåndsvisning
- Model, Politik og VærdierForhåndsvisning
- Udforskning vs UdnyttelseForhåndsvisning
- Gymnasium GrundlæggendeForhåndsvisning
- Udfordring: Opsætning af et MiljøForhåndsvisning
Dette afsnit undersøger multi-armet bandit-problemet — en fremragende ramme for at forstå udfordringen mellem udforskning og udnyttelse. Du vil lære om og implementere algoritmer, der hjælper agenter med at træffe beslutninger under usikkerhed, hvor belønningsmaksimering afvejes mod behovet for udforskning.
Dette afsnit introducerer dynamisk programmering som en effektiv metode til at løse forstærkningslæringsproblemer, når en fuldstændig model af miljøet er tilgængelig. Du vil lære at evaluere og forbedre politikker ved hjælp af Bellman-ligninger og udforske centrale teknikker såsom politik-iteration, værdi-iteration og generaliseret politik-iteration — hvilket danner det teoretiske grundlag for fremtidige model-frie metoder.
- Hvad Er Dynamisk Programmering?Forhåndsvisning
- Bellman-LigningerForhåndsvisning
- OptimalitetsbetingelserForhåndsvisning
- PolitikevalueringForhåndsvisning
- PolitikforbedringForhåndsvisning
- Generel Policy-IterationForhåndsvisning
- PolicyiterationForhåndsvisning
- VærdiiterationForhåndsvisning
- Udfordring: Dynamisk ProgrammeringForhåndsvisning
Dette afsnit introducerer Monte Carlo-metoder til at lære værdifunktioner og politikker ud fra komplette episoder af erfaring. Du vil udforske både on-policy og off-policy tilgange, forstå hvordan udforskning påvirker læring, og implementere inkrementelle teknikker til effektivt at estimere afkast — alt sammen uden behov for en model af miljøet.
- Hvad er Monte Carlo-metoder?Forhåndsvisning
- Estimering af VærdifunktionForhåndsvisning
- Monte Carlo-KontrolForhåndsvisning
- UdforskningsmetoderForhåndsvisning
- On-Policy Monte Carlo-KontrolForhåndsvisning
- Off-Policy Monte Carlo-KontrolForhåndsvisning
- Inkrementelle ImplementeringerForhåndsvisning
- Udfordring: Monte Carlo-metoderForhåndsvisning
Dette afsnit introducerer temporal difference (TD) læring, en grundlæggende metode inden for reinforcement learning, der kombinerer idéer fra Monte Carlo og dynamisk programmering. Du lærer, hvordan man estimerer værdifunktioner ud fra ufuldstændige episoder, udforsker både on-policy (SARSA) og off-policy (Q-learning) tilgange, samt opdager hvordan Monte Carlo-metoder og TD-læring kan kombineres.
Module 5 / Introduction to Neural Networks
First, we will discuss what a neural network is and how it works. And also consider the scope of its application.
- What is a Neural Network?Forhåndsvisning
- Applications of Deep Learning in the Real WorldForhåndsvisning
- Neural Networks or Traditional ModelsForhåndsvisning
- Neural Network StructureForhåndsvisning
- What is a Neuron?Forhåndsvisning
- Activation FunctionsForhåndsvisning
- Forward and Backward PropagationForhåndsvisning
Next, we will try to build our own neural network and see how efficiently it copes with learning. We will also consider a ready-made solution from the scikit-learn library.
- Single Neuron ImplementationForhåndsvisning
- Challenge: Creating a NeuronForhåndsvisning
- Perceptron LayersForhåndsvisning
- Challenge: Creating a PerceptronForhåndsvisning
- Forward PropagationForhåndsvisning
- Loss FunctionForhåndsvisning
- Backward PropagationForhåndsvisning
- Backpropagation ImplementationForhåndsvisning
- Model TrainingForhåndsvisning
- Challenge: Training the PerceptronForhåndsvisning
- Model EvaluationForhåndsvisning
- Challenge: Evaluating the PerceptronForhåndsvisning
- Neural Network with scikit-learnForhåndsvisning
Finally, we will give you some additional useful information on how to understand which model to use and what types of neural networks there are. To complete the course, you will be tested on your acquired knowledge.
Requirements
- A computer with a browser - all browsers are supported.
- Your enthusiasm to enhance your tech skills.
- Everything else needed to start learning and practicing is already included in this course.
Over 200,000 5-star ratings and counting
Ruslan Kravchuk
Det vigtigste er at lære og ikke give op
Materialet er godt, der er meget at lære for at blive bedre, og det vigtigste er at lære det, du ønsker....
Matteo Comune
Takket være dem lærer jeg meget…
Takket være dem lærer jeg meget hurtigere, fordi de hjælper dig med at forstå alt fra bunden. Det er den bedste hjemmeside for folk uden IT-erfaring...
Yuliana Cadavid
fantastisk kursus for begyndere
fantastisk kursus for begyndere, som tester din viden i hver lektion...
Elpunzon
Jeg nyder min Codefinity-oplevelse…
Jeg nyder at lære Python med Codefinity. Den selvstyrede læringsmetode er fantastisk, fordi jeg kan tilpasse den min tidsplan...
Alexandru Alexandru
Det er rart at lære fra Codefinity
Det er rart at lære fra Codefinity. Det er nemt og har gode eksempler på, hvad jeg har lært her...
jacob Templet
Easy to follow along with and provides…
Let at følge med og giver daglige udfordringer. Udfordringen motiverer mig til at lære dag efter dag...
Elan
Codefinity er et omfattende læringsværktøj…
Codefinity er et omfattende læringsværktøj, der hjælper dig med at udvikle dine færdigheder som softwareingeniør eller datavidenskabsmand. Øvelserne er sjove og en god måde at finpudse dine evner på...
Thibault
Første gang jeg lærer at kode
Første gang jeg lærer at kode og lykkes med det hos Codefinity - tak...
Adrien Morel
Godt designet til totale begyndere
Godt designet til totale begyndere, med trinvis progression, der giver mig selvtillid....
_Gracy
det er simpelthen fuldstændig velforklaret
det er simpelthen fuldstændig velforklaret! Indtil videre har jeg ikke oplevet nogen problemer, fordi alt er så godt organiseret...
Ruslan Kravchuk
Det vigtigste er at lære og ikke give op
Materialet er godt, der er meget at lære for at blive bedre, og det vigtigste er at lære det, du ønsker....
Matteo Comune
Takket være dem lærer jeg meget…
Takket være dem lærer jeg meget hurtigere, fordi de hjælper dig med at forstå alt fra bunden. Det er den bedste hjemmeside for folk uden IT-erfaring...
Yuliana Cadavid
fantastisk kursus for begyndere
fantastisk kursus for begyndere, som tester din viden i hver lektion...
Elpunzon
Jeg nyder min Codefinity-oplevelse…
Jeg nyder at lære Python med Codefinity. Den selvstyrede læringsmetode er fantastisk, fordi jeg kan tilpasse den min tidsplan...
Alexandru Alexandru
Det er rart at lære fra Codefinity
Det er rart at lære fra Codefinity. Det er nemt og har gode eksempler på, hvad jeg har lært her...
jacob Templet
Easy to follow along with and provides…
Let at følge med og giver daglige udfordringer. Udfordringen motiverer mig til at lære dag efter dag...
Elan
Codefinity er et omfattende læringsværktøj…
Codefinity er et omfattende læringsværktøj, der hjælper dig med at udvikle dine færdigheder som softwareingeniør eller datavidenskabsmand. Øvelserne er sjove og en god måde at finpudse dine evner på...
Thibault
Første gang jeg lærer at kode
Første gang jeg lærer at kode og lykkes med det hos Codefinity - tak...
Adrien Morel
Godt designet til totale begyndere
Godt designet til totale begyndere, med trinvis progression, der giver mig selvtillid....
_Gracy
det er simpelthen fuldstændig velforklaret
det er simpelthen fuldstændig velforklaret! Indtil videre har jeg ikke oplevet nogen problemer, fordi alt er så godt organiseret...
Data Engineer
Certifikat for fuldførelse
Fremvis dine nyligt opnåede færdigheder. Du har fortjent det
Discover more
Learning tracks
Kun for Ultimate
7 Kurser
293 Opgaver
Kun for Ultimate
6 Kurser
195 Opgaver
Kun for Ultimate
4 Kurser
115 Opgaver
Kun for Ultimate
6 Kurser
101 Opgaver
Kun for Ultimate
4 Kurser
143 Opgaver
Kun for Ultimate
4 Kurser
98 Opgaver
Kun for Ultimate
3 Kurser
38 Opgaver
Kun for Ultimate
7 Kurser
376 Opgaver
Kun for Ultimate
7 Kurser
345 Opgaver
Kun for Ultimate
6 Kurser
308 Opgaver
Kun for Ultimate
5 Kurser
146 Opgaver
Kun for Ultimate
3 Kurser
70 Opgaver
Kun for Ultimate
7 Kurser
280 Opgaver
Kun for Ultimate
5 Kurser
239 Opgaver
Kun for Ultimate
4 Kurser
125 Opgaver
Kun for Ultimate
3 Kurser
119 Opgaver
Kun for Ultimate
3 Kurser
75 Opgaver
Kun for Ultimate
5 Kurser
211 Opgaver
Kun for Ultimate
5 Kurser
206 Opgaver
Kun for Ultimate
3 Kurser
2 Projekter
49 Opgaver
Kun for Ultimate
3 Kurser
180 Opgaver
Kun for Ultimate
4 Kurser
153 Opgaver
Learning tracks
spor
Webudvikling Med C#
Begynder
4.8
(2550)
spor
Python fra Nul til Helt
Begynder
4.7
(9139)
spor
SQL fra Begynder til Ekspert
Begynder
4.7
(2776)
spor
C++ Grundlæggende
Begynder
4.4
(536)
spor
Spiludvikling med Unity
Begynder
4.6
(92)
spor
Bliv En React-Udvikler
Mellemniveau
4.7
(70)
spor
Excel Essentials
Begynder
4.7
(376)
spor
Java Essentials
Begynder
4.7
(220)
spor
Full Stack Webudvikling
Begynder
4.7
(893)
spor
Frontend Udviklingsgrundlag
Begynder
4.7
(864)
spor
Mestring af Datavisualisering
Mellemniveau
4.7
(602)
spor
C++ Mastery
Avanceret
4.8
(17)
spor
Java Web
Avanceret
4.7
(3055)
spor
Bliv QA-Ingeniør
Begynder
4.7
(750)
spor
Videoproduktion med Adobe
Begynder
5.0
(6)
spor
UI/UX Designværktøjer
Begynder
4.9
(8)
spor
Essentielle Kontorfærdigheder
Begynder
4.8
(304)
spor
Digital Marketing Essentials
Begynder
4.8
(6)
spor
Complete Social Media Management
Begynder
5.0
(3)
spor
Business AI Toolkit
Begynder
4.7
(40)
spor
No-Code Webudvikling
Begynder
4.3
(3)
spor
Deep Learning-odysseen
Avanceret
4.8
(21)
Become a Development expert
Interactive exercises
Learning videos
AI-assistant on all courses
Workspaces for designing your own projects
Ready to get started?
ProBest intro offer | UltimateA complete experience to kickstart your career | |
---|---|---|
85+ Top-Rated courses | ||
Completion certificates | ||
AI-Assistant in all courses | ||
20+ hands-on Real-world projects | ||
Personalized study tracks | ||
Unlimited workspaces | ||
Boost your Tech Skills!
with up to 55% off
What you'll get with our subscription:
Access to 85+ top-rated courses
AI-driven Learning
Workspaces for practicing your skills
Personalized study tracks
Certificates of completion
Training 2 or more people?
Get your team access to Codefinity courses anytime, anywhere.
Try Codefinity Teams