This course will teach you how to leverage the power of Python and artificial intelligence to create and test hypothesis. We'll start for the ground up, learning some basic Python for data science before diving into some of its richer applications to test our created hypothesis. We'll learn some of the most important libraries for exploratory data analysis (EDA) and machine learning such as Numpy, Pandas, and Sci-kit learn. After learning some of the theory (and math) behind linear regression, we'll go through and full pipeline of reading data, cleaning it, and applying a regression model to estimate the progression of diabetes. By the end of the course, you'll apply a classification model to predict the presence/absence of heart disease from a patient's health data.
Introduction to Data Science and scikit-learn in Python
Dieser Kurs ist Teil von Spezialisierung AI for Scientific Research
Dozenten: Sabrina Moore
6.345 bereits angemeldet
Bei 
enthalten
(44 Bewertungen)
Empfohlene Erfahrung
Was Sie lernen werden
Employ artificial intelligence techniques to test hypothesis in Python
Apply a machine learning model combining Numpy, Pandas, and Scikit-Learn
Kompetenzen, die Sie erwerben
- Kategorie: Data Science
- Kategorie: Machine Learning
- Kategorie: medical data
- Kategorie: regression
- Kategorie: Statistical Hypothesis Testing
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 this module, we'll get ourselves started with Programming in Python. After becoming familiar with Python and the Jupyter Notebook interface, we'll dive into some basic coding paradigms such as variables, loops, and functions. We'll also cover data structures in the form of lists and dictionaries. We'll go through one of the most useful things in your Python arsenal - importing and using modules effectively. Finally, we'll introduce scikit-learn and walk through a classification problem to predict the presence/absence of cancer from health data.
Das ist alles enthalten
9 Videos5 Lektüren2 Aufgaben4 Programmieraufgaben1 Diskussionsthema5 Unbewertete Labore
In this module, we'll become familiar with the two most important packages for data science: Numpy and Pandas. We'll begin by learning the differences between the two packages. Then, we'll get ourselves familiar with np arrays and their functionalities. Adding text turns our arrays into tables, and gives rise to the Pandas module. After a basic introduction, we'll end with a series of important data manipulation tools such as indexing, merging/combining datasets, and reshaping data.
Das ist alles enthalten
8 Videos5 Lektüren4 Aufgaben1 Programmieraufgabe1 Diskussionsthema2 Unbewertete Labore
In this module, we'll work from the ground up to build and test our hypothesis. Learning both the theory and the code, we'll learn to test our predictions with different types of machine learning algorithms. We'll start by going through some of the necessary data preprocessing steps to orient ourselves. Getting familiar with using the Scikit-Learn library starts with the documentation. From there, we'll load in a dataset and analyze some of its most basic properties. Finally, we'll import and use models to make a prediction.
Das ist alles enthalten
6 Videos3 Lektüren3 Aufgaben1 Programmieraufgabe1 Diskussionsthema1 Unbewertetes Labor
In the final project, we'll try and predict the presence of heart disease using patient data. We'll load in data, create new features, and apply a machine learning algorithm using scikit-learn.
Das ist alles enthalten
1 Video1 Programmieraufgabe1 Unbewertetes Labor
von
Empfohlen, wenn Sie sich für Data Analysis interessieren
LearnQuest
University of Michigan
Imperial College London
Coursera Project Network
Warum entscheiden sich Menschen für Coursera für ihre Karriere?
Bewertungen von Lernenden
Zeigt 3 von 44
44 Bewertungen
- 5 stars
46,66 %
- 4 stars
15,55 %
- 3 stars
15,55 %
- 2 stars
11,11 %
- 1 star
11,11 %
Geprüft am 9. Nov. 2021
Geprüft am 27. Nov. 2021
Geprüft am 4. Apr. 2022
Neue Karrieremöglichkeiten mit Coursera Plus
Unbegrenzter Zugang zu über 7.000 erstklassigen Kursen, praktischen Projekten und Zertifikatsprogrammen, die Sie auf den Beruf vorbereiten – 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
Access to lectures and assignments depends on your type of enrollment. If you take a course in audit mode, you will be able to see most course materials for free. To access graded assignments and to earn a Certificate, you will need to purchase the Certificate experience, during or after your audit. If you don't see the audit option:
The course may not offer an audit option. 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. If you only want to read and view the course content, you can audit the course for free.
If you subscribed, you get a 7-day free trial during which you can cancel at no penalty. After that, we don’t give refunds, but you can cancel your subscription at any time. See our full refund policy.