Track
Сертифікат
Основи Machine Learning
4.6+
★★★★★
★★★★★
134 відгуки
Intermediate
Трек знайомить з основними поняттями та методами в галузі Machine Learning (Машинного Навчання). Цей комплексний навчальний трек охоплює різні важливі теми, включаючи використання бібліотеки scikit-learn для запуску машинного навчання, застосування лінійної регресії для прогнозного моделювання, вивчення методів класифікації для категоризації даних, а також вивчення алгоритмів кластеризації для виявлення закономірностей у наборах даних. Показати більше
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 ConceptsПопередній перегляд
- Getting Familiar with DatasetПопередній перегляд
- Dealing with Missing ValuesПопередній перегляд
- Challenge: Imputing Missing ValuesПопередній перегляд
- OrdinalEncoderПопередній перегляд
- One-Hot EncoderПопередній перегляд
- LabelEncoderПопередній перегляд
- Challenge: Encoding Categorical VariablesПопередній перегляд
- Why Scale the Data?Попередній перегляд
- StandardScaler, MinMaxScaler, MaxAbsScalerПопередній перегляд
- Challenge: Scaling the FeaturesПопередній перегляд
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!
- ModelsПопередній перегляд
- KNeighborsClassifierПопередній перегляд
- Evaluating the ModelПопередній перегляд
- Cross-ValidationПопередній перегляд
- Challenge: Evaluating the Model with Cross-ValidationПопередній перегляд
- GridSearchCVПопередній перегляд
- The Flaw of GridSearchCVПопередній перегляд
- Challenge: Tuning Hyperparameters with RandomizedSearchCVПопередній перегляд
- Modeling SummaryПопередній перегляд
- Challenge: Putting It All TogetherПопередній перегляд
Module 2 / Лінійна Регресія з Python
Почнемо з найпростішої моделі лінійної регресії! Ви дізнаєтеся ідею лінійної регресії та як здійснювати прогнозування в Python.
Більшість задач прогнозування у реальному світі включають більше ніж одну ознаку. Ви дізнаєтеся, як працювати з лінійною регресією з декількома ознаками.
Пряма лінія не завжди добре описує дані. Дізнаймося, як побудувати складнішу модель для прогнозування! Саме для цього підходить поліноміальна регресія.
Тепер, коли ви знаєте, як створювати різні моделі лінійної регресії, необхідно визначити спосіб вибору найкращої з них. Це можливо за допомогою метрик. У цьому розділі пояснюються найпоширеніші метрики та труднощі, з якими ви можете зіткнутися під час їх використання.
Module 3 / Classification with Python
- What is ClassificationПопередній перегляд
- What is k-NNПопередній перегляд
- k-NN with Multiple FeaturesПопередній перегляд
- Implementing k-NNПопередній перегляд
- Multi-Class ClassificationПопередній перегляд
- Train-test Split. Cross ValidationПопередній перегляд
- Challenge: Choosing the Best K Value.Попередній перегляд
- k-NN SummaryПопередній перегляд
- What is Logistic RegressionПопередній перегляд
- Finding the ParametersПопередній перегляд
- Challenge: Implementing Logistic RegressionПопередній перегляд
- Decision BoundaryПопередній перегляд
- Overfitting. RegularizationПопередній перегляд
- Challenge: Classifying Unseparateble DataПопередній перегляд
- Logistic Regression SummaryПопередній перегляд
Module 4 / Вступ до навчання з підкріпленням
У цьому розділі розглядаються основні принципи навчання з підкріпленням, його визначальні риси, математичні основи та процес навчання агентів через взаємодію і зворотний зв'язок. Ви також ознайомитеся з базовими інструментами, необхідними для підготовки до створення та навчання перших агентів RL.
- Що таке RL?Попередній перегляд
- Підкріплювальне навчання проти інших парадигм навчанняПопередній перегляд
- Марковський процес прийняття рішеньПопередній перегляд
- Епізоди та ВинагородиПопередній перегляд
- Модель, Політика та ЗначенняПопередній перегляд
- Дослідження проти ВикористанняПопередній перегляд
- Основи GymnasiumПопередній перегляд
- Завдання: Налаштування СередовищаПопередній перегляд
У цьому розділі розглядається проблема багаторукого бандита — чудова модель для розуміння дилеми дослідження та використання. Ви ознайомитеся з алгоритмами, які допомагають агентам приймати рішення в умовах невизначеності, балансуючи між максимізацією винагороди та необхідністю дослідження.
У цьому розділі представлено динамічне програмування як потужний метод розв’язання задач навчання з підкріпленням за наявності повної моделі середовища. Ви дізнаєтеся, як оцінювати та покращувати політики за допомогою рівнянь Беллмана, а також ознайомитеся з основними техніками, такими як ітерація політики, ітерація значення та узагальнена ітерація політики — формуючи теоретичну основу для майбутніх безмодельних методів.
- Що таке динамічне програмування?Попередній перегляд
- Рівняння БеллманаПопередній перегляд
- Умови ОптимальностіПопередній перегляд
- Оцінювання ПолітикиПопередній перегляд
- Поліпшення ПолітикиПопередній перегляд
- Узагальнена Ітерація ПолітикиПопередній перегляд
- Ітерація політикиПопередній перегляд
- Ітерація ЗначеньПопередній перегляд
- Завдання: Динамічне ПрограмуванняПопередній перегляд
У цьому розділі розглядаються методи Монте-Карло для навчання функцій цінності та стратегій на основі повних епізодів досвіду. Ви ознайомитеся з підходами на основі поточної стратегії та сторонньої стратегії, зрозумієте, як дослідження впливає на навчання, та реалізуєте інкрементальні методи для ефективної оцінки виграшів — усе це без необхідності моделі середовища.
- Що Таке Методи Монте-Карло?Попередній перегляд
- Оцінювання Функції ЦінностіПопередній перегляд
- Керування методом Монте-КарлоПопередній перегляд
- Підходи до ДослідженняПопередній перегляд
- Керування Монте-Карло на ПолітиціПопередній перегляд
- Off-Policy Керування Методом Монте-КарлоПопередній перегляд
- Інкрементні РеалізаціїПопередній перегляд
- Завдання: Методи Монте-КарлоПопередній перегляд
У цьому розділі представлено навчання з часовою різницею (TD), фундаментальний метод у навчанні з підкріпленням, який поєднує ідеї Монте-Карло та динамічного програмування. Ви дізнаєтеся, як оцінювати функції цінності за неповними епізодами, ознайомитеся з політико-орієнтованим (SARSA) та політико-незалежним (Q-learning) підходами, а також дізнаєтеся, як можна поєднувати методи Монте-Карло та навчання з часовою різницею.
- Що таке навчання з часовою різницею?Попередній перегляд
- TD(0): Оцінювання Функції ЦінностіПопередній перегляд
- SARSA: Навчання з Часовою Різницею на ПолітиціПопередній перегляд
- Q-Навчання: Позаполітичне TD-НавчанняПопередній перегляд
- Узагальнення TD-НавчанняПопередній перегляд
- Завдання: Навчання з Часовою РізницеюПопередній перегляд
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?Попередній перегляд
- Applications of Deep Learning in the Real WorldПопередній перегляд
- Neural Networks or Traditional ModelsПопередній перегляд
- Neural Network StructureПопередній перегляд
- What is a Neuron?Попередній перегляд
- Activation FunctionsПопередній перегляд
- Forward and Backward PropagationПопередній перегляд
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 ImplementationПопередній перегляд
- Challenge: Creating a NeuronПопередній перегляд
- Perceptron LayersПопередній перегляд
- Challenge: Creating a PerceptronПопередній перегляд
- Forward PropagationПопередній перегляд
- Loss FunctionПопередній перегляд
- Backward PropagationПопередній перегляд
- Backpropagation ImplementationПопередній перегляд
- Model TrainingПопередній перегляд
- Challenge: Training the PerceptronПопередній перегляд
- Model EvaluationПопередній перегляд
- Challenge: Evaluating the PerceptronПопередній перегляд
- Neural Network with scikit-learnПопередній перегляд
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
Головне - вчитися і не здаватися
Матеріал хороший, є багато чого вивчити, все для того, щоб стати кращим, і головне - вчитися тому, чого хочете....
Matteo Comune
Завдяки їм я багато чого вчуся…
Завдяки їм я вчуся набагато швидше, тому що вони допомагають зрозуміти все з нуля. Це найкращий сайт, який допомагає людям без досвіду в ІТ...
Yuliana Cadavid
чудовий курс для початківців
чудовий курс для початківців, вони перевіряють ваші знання в кожному уроці...
Elpunzon
Я насолоджуюся своїм досвідом з Codefinity…
Я насолоджуюся своїм досвідом з Codefinity, вивчаючи Python. Самостійний спосіб навчання чудовий, тому що я можу вписати його у свій графік...
Alexandru Alexandru
Приємно вчитися з Codefinity
Приємно вчитися з Codefinity. Це легко і є хороші приклади того, що я тут вивчив...
jacob Templet
Easy to follow along with and provides…
Легко слідувати і надає виклик у моєму повсякденному житті. Виклик змушує мене хотіти вчитися день за днем...
Elan
Codefinity - це всебічне навчання…
Codefinity - це всебічний навчальний інструмент, який допоможе вам розвивати свої навички як інженера-програміста або науковця з даних. Вправи веселі і є хорошим способом відточити свої навички...
Thibault
Вперше вчуся кодувати
Вперше вчуся кодувати і успішно роблю це з Codefinity - дякую...
Adrien Morel
Добре спроектовано для повних початківців
Добре спроектовано для повних початківців, поступовий прогрес і змушує мене почуватися впевнено....
_Gracy
це просто ідеально пояснено
це просто ідеально пояснено! досі я не відчував жодних труднощів, тому що все так добре організовано...
Ruslan Kravchuk
Головне - вчитися і не здаватися
Матеріал хороший, є багато чого вивчити, все для того, щоб стати кращим, і головне - вчитися тому, чого хочете....
Matteo Comune
Завдяки їм я багато чого вчуся…
Завдяки їм я вчуся набагато швидше, тому що вони допомагають зрозуміти все з нуля. Це найкращий сайт, який допомагає людям без досвіду в ІТ...
Yuliana Cadavid
чудовий курс для початківців
чудовий курс для початківців, вони перевіряють ваші знання в кожному уроці...
Elpunzon
Я насолоджуюся своїм досвідом з Codefinity…
Я насолоджуюся своїм досвідом з Codefinity, вивчаючи Python. Самостійний спосіб навчання чудовий, тому що я можу вписати його у свій графік...
Alexandru Alexandru
Приємно вчитися з Codefinity
Приємно вчитися з Codefinity. Це легко і є хороші приклади того, що я тут вивчив...
jacob Templet
Easy to follow along with and provides…
Легко слідувати і надає виклик у моєму повсякденному житті. Виклик змушує мене хотіти вчитися день за днем...
Elan
Codefinity - це всебічне навчання…
Codefinity - це всебічний навчальний інструмент, який допоможе вам розвивати свої навички як інженера-програміста або науковця з даних. Вправи веселі і є хорошим способом відточити свої навички...
Thibault
Вперше вчуся кодувати
Вперше вчуся кодувати і успішно роблю це з Codefinity - дякую...
Adrien Morel
Добре спроектовано для повних початківців
Добре спроектовано для повних початківців, поступовий прогрес і змушує мене почуватися впевнено....
_Gracy
це просто ідеально пояснено
це просто ідеально пояснено! досі я не відчував жодних труднощів, тому що все так добре організовано...
Data Engineer
Сертифікат про завершення
Покажіть свої нові навички. Ви це заслужили
Discover more
Learning tracks
Лише для Ultimate
7 Курсів
293 ЗавданьЛише для Ultimate
6 Курсів195 ЗавданьЛише для Ultimate
4 Курсів115 ЗавданьЛише для Ultimate
6 Курсів101 ЗавданьЛише для Ultimate
4 Курсів143 ЗавданьЛише для Ultimate
4 Курсів98 ЗавданьЛише для Ultimate
3 Курсів38 ЗавданьЛише для Ultimate
7 Курсів376 ЗавданьЛише для Ultimate
7 Курсів345 ЗавданьЛише для Ultimate
6 Курсів308 ЗавданьЛише для Ultimate
5 Курсів146 ЗавданьЛише для Ultimate
3 Курсів70 ЗавданьЛише для Ultimate
7 Курсів280 ЗавданьЛише для Ultimate
5 Курсів239 ЗавданьЛише для Ultimate
4 Курсів125 ЗавданьЛише для Ultimate
3 Курсів119 ЗавданьЛише для Ultimate
3 Курсів75 ЗавданьЛише для Ultimate
5 Курсів211 ЗавданьЛише для Ultimate
5 Курсів206 ЗавданьЛише для Ultimate
3 Курсів
2 Проєктів49 ЗавданьЛише для Ultimate
3 Курсів180 ЗавданьЛише для Ultimate
4 Курсів153 Завдань
Learning tracks
трек
Лише для UltimateВеб-Розробка з C#
7 Курсів293 ЗавданьБазовий
4.8
(2557)
трек
Лише для UltimatePython з Нуля до Героя
6 Курсів195 ЗавданьБазовий
4.7
(9180)
трек
Лише для UltimateSQL з Нуля до Героя
4 Курсів115 ЗавданьБазовий
4.7
(2782)
трек
Лише для UltimateС++ для Початківців
6 Курсів101 ЗавданьБазовий
4.5
(540)
трек
Лише для UltimateРозробка Ігор з Unity
4 Курсів143 ЗавданьБазовий
4.6
(94)
трек
Лише для UltimateСтаньте React Розробником
4 Курсів98 ЗавданьСередній
4.7
(70)
трек
Лише для UltimateОснови Excel
3 Курсів38 ЗавданьБазовий
4.7
(380)
трек
Лише для UltimateОснови Java
7 Курсів376 ЗавданьБазовий
4.7
(223)
трек
Лише для UltimateFull Stack Веб Розробка
7 Курсів345 ЗавданьБазовий
4.7
(905)
трек
Лише для UltimateОснови Frontend Розробки
6 Курсів308 ЗавданьБазовий
4.7
(877)
трек
Лише для UltimateАналіз та Візуалізація Даних на Python
5 Курсів146 ЗавданьСередній
4.7
(604)
трек
Лише для UltimateC++ Mastery
3 Курсів70 ЗавданьПросунутий
4.8
(17)
трек
Лише для UltimateJava Web
7 Курсів280 ЗавданьПросунутий
4.7
(3068)
трек
Лише для UltimateСтати Інженером QA
5 Курсів239 ЗавданьБазовий
4.7
(760)
трек
Лише для UltimateVideo Production With Adobe
4 Курсів125 ЗавданьБазовий
5.0
(6)
трек
Лише для UltimateІнструменти Дизайну UI/UX
3 Курсів119 ЗавданьБазовий
4.9
(8)
трек
Лише для UltimateEssential Office Skills
3 Курсів75 ЗавданьБазовий
4.8
(308)
трек
Лише для UltimateDigital Marketing Essentials
5 Курсів211 ЗавданьБазовий
4.8
(6)
трек
Лише для UltimateComplete Social Media Management
5 Курсів206 ЗавданьБазовий
5.0
(3)
трек
Лише для UltimateBusiness AI Toolkit
3 Курсів2 Проєктів49 ЗавданьБазовий
4.7
(42)
трек
Лише для UltimateРозробка Вебсайтів Без Коду
3 Курсів180 ЗавданьБазовий
4.3
(3)
трек
Лише для UltimateОдіссея глибинного навчання
4 Курсів153 ЗавданьПросунутий
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