In diesem Kurs lernen Sie, wie Sie die Leistungsfähigkeit von Python und künstlicher Intelligenz nutzen können, um Hypothesen zu erstellen und zu testen. Wir fangen ganz unten an und lernen einige Grundlagen von Python für die Datenwissenschaft, bevor wir in einige der reichhaltigeren Anwendungen eintauchen, um unsere erstellten Hypothesen zu testen. Wir lernen einige der wichtigsten Bibliotheken für die explorative Datenanalyse (EDA) und das maschinelle Lernen kennen, wie z.B. Numpy, Pandas und Sci-kit learn. Nachdem wir einige der theoretischen (und mathematischen) Grundlagen der linearen Regression kennengelernt haben, werden wir die gesamte Pipeline durchlaufen, um Daten zu lesen, sie zu bereinigen und ein Regressionsmodell anzuwenden, um den Verlauf von Diabetes zu schätzen. Am Ende des Kurses werden Sie ein Klassifizierungsmodell anwenden, um das Vorhandensein bzw. Nichtvorhandensein einer Herzerkrankung anhand der Gesundheitsdaten eines Patienten vorherzusagen.
Einführung in Data Science und scikit-learn in Python
Dieser Kurs ist Teil von Spezialisierung KI für die wissenschaftliche Forschung
Dozenten: Sabrina Moore
6.556 bereits angemeldet
Bei 
enthalten
(45 Bewertungen)
Empfohlene Erfahrung
Was Sie lernen werden
Verwenden Sie Techniken der künstlichen Intelligenz, um Hypothesen in Python zu testen
Anwendung eines Modells für maschinelles Lernen, das Numpy, Pandas und Scikit-Learn kombiniert
Kompetenzen, die Sie erwerben
- Kategorie: Datenverarbeitung
- Kategorie: Maschinelles Lernen
- Kategorie: medizinische Daten
- Kategorie: regression
- Kategorie: Statistische Hypothesentests
Wichtige Details
Zu Ihrem LinkedIn-Profil hinzufügen
9 Aufgaben
Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.
Erweitern Sie Ihre Fachkenntnisse
- 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
Erwerben Sie ein Karrierezertifikat.
Fügen Sie diese Qualifikation zur Ihrem LinkedIn-Profil oder Ihrem Lebenslauf hinzu.
Teilen Sie es in den sozialen Medien und in Ihrer Leistungsbeurteilung.
In diesem Kurs gibt es 4 Module
In diesem Modul werden wir uns mit der Programmierung in Python vertraut machen. Nachdem wir uns mit Python und der Oberfläche von Jupyter Notebook vertraut gemacht haben, werden wir uns mit einigen grundlegenden Programmierparadigmen wie Variablen, Schleifen und Funktionen beschäftigen. Wir werden auch Datenstrukturen in Form von Listen und Wörterbüchern behandeln. Wir gehen auf eines der nützlichsten Dinge in Ihrem Python-Arsenal ein - den Import und die effektive Verwendung von Modulen. Schließlich stellen wir scikit-learn vor und gehen ein Klassifizierungsproblem durch, bei dem es um die Vorhersage des Vorhandenseins bzw. Nichtvorhandenseins von Krebs anhand von Gesundheitsdaten geht.
Das ist alles enthalten
9 Videos5 Lektüren2 Aufgaben4 Programmieraufgaben1 Diskussionsthema5 Unbewertete Labore
In diesem Modul machen wir uns mit den beiden wichtigsten Paketen für Data Science vertraut: Numpy und Pandas. Wir beginnen damit, die Unterschiede zwischen den beiden Paketen zu lernen. Dann machen wir uns mit np-Arrays und ihren Funktionen vertraut. Durch das Hinzufügen von Text werden unsere Arrays zu Tabellen und es entsteht das Modul Pandas. Nach einer grundlegenden Einführung enden wir mit einer Reihe wichtiger Tools zur Datenmanipulation wie Indizierung, Zusammenführung von Datensätzen und Umformung von Daten.
Das ist alles enthalten
8 Videos5 Lektüren4 Aufgaben1 Programmieraufgabe1 Diskussionsthema2 Unbewertete Labore
In diesem Modul werden wir von Grund auf daran arbeiten, unsere Hypothese zu erstellen und zu testen. Wir lernen sowohl die Theorie als auch den Code und werden lernen, unsere Vorhersagen mit verschiedenen Arten von Algorithmen für maschinelles Lernen zu testen. Zu Beginn gehen wir einige der notwendigen Schritte zur Datenvorverarbeitung durch, um uns zu orientieren. Um sich mit der Scikit-Learn-Bibliothek vertraut zu machen, lesen wir zunächst die Dokumentation. Von dort aus laden wir einen Datensatz und analysieren einige seiner grundlegenden Eigenschaften. Schließlich werden wir Modelle importieren und verwenden, um eine Vorhersage zu treffen.
Das ist alles enthalten
6 Videos3 Lektüren3 Aufgaben1 Programmieraufgabe1 Diskussionsthema1 Unbewertetes Labor
Im Abschlussprojekt werden wir versuchen, anhand von Patientendaten das Vorhandensein einer Herzerkrankung vorherzusagen. Wir laden Daten ein, erstellen neue Merkmale und wenden einen Algorithmus für maschinelles Lernen mit scikit-learn an.
Das ist alles enthalten
1 Video1 Programmieraufgabe1 Unbewertetes Labor
von
Empfohlen, wenn Sie sich für Datenanalyse interessieren
University of Michigan
LearnQuest
Imperial College London
Coursera Project Network
Warum entscheiden sich Menschen für Coursera für ihre Karriere?
Bewertungen von Lernenden
45 Bewertungen
- 5 stars
47,82 %
- 4 stars
15,21 %
- 3 stars
15,21 %
- 2 stars
10,86 %
- 1 star
10,86 %
Zeigt 3 von 45 an
Geprüft am 27. Nov. 2021
Good introduction. A bit too short for a 4-week course. The autograder is not very good, and some solutions are wrong.
Geprüft am 9. Nov. 2021
meskipun agak eror dalam lab penugasan tapi alhamdulillah sudah bisa
Geprüft am 30. Jan. 2022
It could be better if we can see where we did wrong after each assignment. Good and well-paced course otherwise
Neue Karrieremöglichkeiten mit Coursera Plus
Unbegrenzter Zugang zu 10,000+ Weltklasse-Kursen, praktischen Projekten und berufsqualifizierenden Zertifikatsprogrammen - alles in Ihrem Abonnement enthalten
Bringen Sie Ihre Karriere mit einem Online-Abschluss voran.
Erwerben Sie einen Abschluss von erstklassigen Universitäten – 100 % online
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.
Häufig gestellte Fragen
Der Zugang zu Vorlesungen und Aufgaben hängt von der Art Ihrer Einschreibung ab. Wenn Sie einen Kurs im Prüfungsmodus belegen, können Sie die meisten Kursmaterialien kostenlos einsehen. Um auf benotete Aufgaben zuzugreifen und ein Zertifikat zu erwerben, müssen Sie die Zertifikatserfahrung während oder nach Ihrer Prüfung erwerben. Wenn Sie die Prüfungsoption nicht sehen:
Der Kurs bietet möglicherweise keine Prüfungsoption. Sie können stattdessen eine kostenlose Testversion ausprobieren oder finanzielle Unterstützung beantragen.
Der Kurs bietet möglicherweise stattdessen die Option 'Vollständiger Kurs, kein Zertifikat'. Mit dieser Option können Sie alle Kursmaterialien einsehen, die erforderlichen Bewertungen abgeben und eine Abschlussnote erhalten. Dies bedeutet auch, dass Sie kein Zertifikat erwerben können.
Wenn Sie sich für den Kurs einschreiben, erhalten Sie Zugang zu allen Kursen der Specializations, und Sie erhalten ein Zertifikat, wenn Sie die Arbeit abgeschlossen haben. Ihr elektronisches Zertifikat wird Ihrer Erfolgsseite hinzugefügt - von dort aus können Sie Ihr Zertifikat ausdrucken oder zu Ihrem LinkedIn-Profil hinzufügen. Wenn Sie die Kursinhalte nur lesen und ansehen möchten, können Sie den Kurs kostenlos besuchen.
Wenn Sie ein Abonnement abgeschlossen haben, erhalten Sie eine kostenlose 7-tägige Testphase, in der Sie kostenlos kündigen können. Danach gewähren wir keine Rückerstattung, aber Sie können Ihr Abonnement jederzeit kündigen. Siehe unsere vollständigen Rückerstattungsbedingungen.