PricingLoginStart free
Machine Learning Academy logo
PythonAINivåer A1 → B222 språk

Machine Learning Academy

Lär er maskininlärning från grunden. Bygg och utvärdera modeller med scikit-learn, lär er ensemblemetoder och gå vidare till deep learning med PyTorch. En lärstig från CoddyKit med 30 korta kurser och 120 interaktiva lektioner, med en AI-handledare till hands dygnet runt.

Kurser
30
Lektioner
120
Interaktiva steg
1,552
Gratis att börja
Kurs 1
Kursplan

30 kurser i den här lärvägen

Alla kurser i lärvägen Machine Learning Academy, i rätt ordning. Den första är gratis.

1

A14 lektionerGratis

Upptäck vad maskininlärning är och hur den skiljer sig från traditionell programmering. Utforska de tre grundläggande inlärningsparadigmen och se verkliga exempel på hur ML löser problem inom olika b…

  1. 1Traditionell programmering kontra maskininlärning
  2. 2Övervakad, oövervakad och förstärkningsinlärning
  3. 3ML-arbetsflödet: från data till förutsägelse
  4. +1 till
Börja lära dig gratis
2

A14 lektionerPRO

Konfigurera en professionell utvecklingsmiljö för ML med Anaconda, Jupyter och det centrala vetenskapliga Python-ekosystemet. Lär Er att manipulera arrayer med NumPy och DataFrames med Pandas, så att…

  1. 1Installera Anaconda och Jupyter Notebook
  2. 2NumPy-grunder: arrayer och matematiska operationer
  3. 3Pandas för datamanipulering
  4. +1 till
Börja lära dig gratisLås upp med PRO
3

A14 lektionerPRO

Bygg intuition för övervakad inlärning genom att träna Er första prediktiva modell från grunden. Lär Er hur linjär regression hittar den linje som bäst passar data och hur Ni mäter hur väl den föruts…

  1. 1Linjeekvationen: lutning, intercept och förutsägelser
  2. 2Kostnadsfunktioner och minsta kvadratmetoden
  3. 3Träna linjär regression med scikit-learn
  4. +1 till
Börja lära dig gratisLås upp med PRO
4

A14 lektionerPRO

Ta steget från att förutsäga siffror till att förutsäga kategorier. Utforska logistisk regression som Er första klassificerare och lär Er hur en sigmoidfunktion omvandlar ett linjärt resultat till en…

  1. 1Från regression till klassificering: beslut med tröskelvärden
  2. 2Logistisk regression och sigmoidfunktionen
  3. 3Förklarat: förväxlingsmatrisen
  4. +1 till
Börja lära dig gratisLås upp med PRO
5

A14 lektionerPRO

Upptäck varför utvärdering av en modell på dess egna träningsdata ger falskt optimistiska resultat och hur Ni förhindrar detta genom korrekt uppdelning av data. Bemästra train-test-split, lär Er att…

  1. 1Varför ni inte kan utvärdera på träningsdata
  2. 2train_test_split: kvoter, startvärden och stratifiering
  3. 3Avvägningen mellan bias och varians: underanpassning kontra överanpassning
  4. +1 till
Börja lära dig gratisLås upp med PRO
6

A24 lektionerPRO

Rådata är nästan aldrig redo för en modell: värden saknas, skalorna skiljer sig kraftigt åt och kategoriska strängar behöver kodas. Den här kursen ger Er en systematisk verktygslåda för att omvandla…

  1. 1Hantera saknade värden: ta bort, imputera och flagga
  2. 2Skalning av egenskaper: StandardScaler och MinMaxScaler
  3. 3Koda kategoriska variabler: OrdinalEncoder och OneHotEncoder
  4. +1 till
Börja lära dig gratisLås upp med PRO
7

A24 lektionerPRO

Lär Er en av de mest intuitiva algoritmerna för klassificering och regression: förutsäg etiketten för en ny punkt genom majoritetsomröstning bland dess k närmaste grannar. Förstå hur valet av k och a…

  1. 1Så fungerar KNN: avstånd, grannar och röster
  2. 2Välja k: armbågsmetoden och valideringskurvor
  3. 3Avståndsmått: euklidiskt, Manhattan och Minkowski
  4. +1 till
Börja lära dig gratisLås upp med PRO
8

A24 lektionerPRO

Beslutsträd delar upp data genom att ställa ja- eller nej-frågor och bygger ett flödesschema som är enkelt att visualisera och förklara för personer utan teknisk bakgrund. Lär Er hur algoritmen välje…

  1. 1Bygga ett träd: delningar, noder och löv
  2. 2Gini-impuritet och informationsvinst
  3. 3Styra trädets djup för att förhindra överanpassning
  4. +1 till
Börja lära dig gratisLås upp med PRO
9

A24 lektionerPRO

Naive Bayes tillämpar Bayes sats med ett starkt antagande om oberoende, vilket gör metoden mycket snabb på högdimensionell textdata. Bygg ett spamfilter, utforska hur bag-of-words-vektorisering omvan…

  1. 1Bayes sats på klarspråk
  2. 2Bag of Words: CountVectorizer och TfidfVectorizer
  3. 3Träna en multinomial Naive Bayes-klassificerare
  4. +1 till
Börja lära dig gratisLås upp med PRO
10

A24 lektionerPRO

Träffsäkerhet är ett missvisande mått när klasserna är obalanserade eller när kostnaden för felklassificering varierar. Bemästra hela verktygslådan för utvärdering: ROC-AUC, precision-recall-kurvor,…

  1. 1Klassificeringsmått: accuracy, precision, recall och F1
  2. 2ROC-kurvor och AUC-ROC
  3. 3Regressionsmått: MAE, MSE, RMSE och R-kvadrat
  4. +1 till
Börja lära dig gratisLås upp med PRO
11

B14 lektionerPRO

Ett enda beslutsträd överanpassar; en skog av varierade träd generaliserar betydligt bättre. Lär Er hur random forests aggregerar hundratals träd som tränats på slumpmässiga delmängder av data och eg…

  1. 1Bootstrap-aggregering (bagging) förklarad
  2. 2Slumpmässigt egenskapsurval: Random Forest-tricket
  3. 3Out-of-bag-fel: kostnadsfri validering i skogen
  4. +1 till
Börja lära dig gratisLås upp med PRO
12

B14 lektionerPRO

SVM:er hittar det hyperplan med maximal marginal som separerar klasserna, vilket ger starka teoretiska garantier för generalisering. Lär Er det så kallade kernel-tricket, som gör att SVM:er kan hante…

  1. 1Klassificerare med maximal marginal: stödvektorer och hyperplan
  2. 2SVM med mjuk marginal och parametern C
  3. 3Kärntricket: RBF-, polynom- och sigmoidkärnor
  4. +1 till
Börja lära dig gratisLås upp med PRO
13

B14 lektionerPRO

Gradient boosting tränar sekventiellt svaga inlärningsmodeller, där varje modell korrigerar föregångarens återstående fel. Resultatet blir topprestanda på tabulär data. Bemästra XGBoost och LightGBM,…

  1. 1Intuition för boosting: sekventiell felkorrigering
  2. 2XGBoost: regularisering, tidigt stopp och egenskapernas betydelse
  3. 3LightGBM: lövvis tillväxt och hastighetsfördelar
  4. +1 till
Börja lära dig gratisLås upp med PRO
14

B14 lektionerPRO

En enda train-test-split kan vara missvisande på grund av slumpmässiga variationer i datauppdelningen. Korsvalidering ger en tillförlitligare uppskattning genom att beräkna medelvärdet över flera upp…

  1. 1K-faldig korsvalidering: Uppdelning utan läckage
  2. 2Stratifierad korsvalidering och korsvalidering för tidsserier
  3. 3Grid Search jämfört med Random Search
  4. +1 till
Börja lära dig gratisLås upp med PRO
15

B14 lektionerPRO

Kvaliteten på Era features avgör taket för modellens prestanda, oavsett vilken algoritm Ni använder. Lär Er att skapa nya informativa features från rådata genom transformationer, interaktioner och do…

  1. 1Skapa nya egenskaper: Logaritmtransformer, intervallindelning och interaktioner
  2. 2Extrahera egenskaper från datum och tid
  3. 3Egenskapsurval: Variansgräns och SelectKBest
  4. +1 till
Börja lära dig gratisLås upp med PRO
16

B14 lektionerPRO

Klustring är oövervakad inlärning som hittar naturliga grupperingar i data utan etiketter. Bemästra K-Means för klotformade kluster och DBSCAN för kluster med godtycklig form samt detektering av avvi…

  1. 1K-Means: Centroider, tilldelning och uppdateringssteg
  2. 2Välja K: Armbågsmetoden och silhuettpoäng
  3. 3DBSCAN: Kärnpunkter, gränspunkter och brus
  4. +1 till
Börja lära dig gratisLås upp med PRO
17

B14 lektionerPRO

Högdimensionell data är svår att visualisera och innehåller ofta redundanta features som gör träningen långsammare. PCA komprimerar information till ortogonala komponenter samtidigt som variansen bev…

  1. 1PCA: Varians, egenvektorer och huvudkomponenter
  2. 2Projicera data och återskapa dem från komponenter
  3. 3t-SNE: Bevara grannskap för visualisering
  4. +1 till
Börja lära dig gratisLås upp med PRO
18

B14 lektionerPRO

Pipelines i scikit-learn kopplar samman förbehandlings- och modelleringssteg i ett enda objekt som förhindrar dataläckage och förenklar driftsättning. Lär Er att bygga, korsvalidera och serialisera k…

  1. 1Bygg er första pipeline: Skalare plus klassificerare
  2. 2ColumnTransformer inuti en pipeline
  3. 3Korsvalidera och utför grid search på en fullständig pipeline
  4. +1 till
Börja lära dig gratisLås upp med PRO
19

B14 lektionerPRO

Vid bedrägeridetektering, medicinsk diagnostik och många andra kritiska tillämpningar kan en klass utgöra mindre än 1 procent av exemplen. Träning på sådana data ger missvisande hög träffsäkerhet sam…

  1. 1Upptäcka obalans: Klassfördelning och fallgropar med baslinjer
  2. 2Slumpmässig översampling och SMOTE
  3. 3Slumpmässig undersampling och klustercentroider
  4. +1 till
Börja lära dig gratisLås upp med PRO
20

B14 lektionerPRO

En modell är bara användbar när den kan göra förutsägelser på nya data utanför Er Jupyter-notebook. Lär Er att spara och versionshantera pipelines i scikit-learn, tillhandahålla dem bakom ett minimal…

  1. 1Spara modeller med joblib och pickle
  2. 2Versionshantera modeller: Varför filnamn och metadata spelar roll
  3. 3Servera prediktioner med en FastAPI-endpoint
  4. +1 till
Börja lära dig gratisLås upp med PRO
21

B24 lektionerPRO

PyTorch är det ledande ramverket för deep learning inom både forskning och produktion. Bygg Ert första feedforward-neurala nätverk från tensorer och uppåt, förstå autograd för gradientberäkning och t…

  1. 1PyTorch-tensorer: Skapa, bearbeta och överföra till GPU
  2. 2Autograd: Automatisk derivering för backpropagation
  3. 3Bygga ett feedforward-nätverk med nn.Module
  4. +1 till
Börja lära dig gratisLås upp med PRO
22

B24 lektionerPRO

En bra arkitektur är bara halva arbetet; träningsdynamiken avgör om nätverket konvergerar mot en användbar lösning. Bemästra scheman för inlärningshastighet, batchnormalisering, dropout-regulariserin…

  1. 1Inlärningshastighet: Den viktigaste hyperparametern
  2. 2Batchnormalisering: Stabilare och snabbare träning
  3. 3Dropout-regularisering för att förhindra överanpassning
  4. +1 till
Börja lära dig gratisLås upp med PRO
23

B24 lektionerPRO

CNN:er utnyttjar rumslig struktur i bilder genom lokal viktdelning och pooling, vilket minskar antalet parametrar och förbättrar translationsinvariansen. Bygg en CNN-bildklassificerare från grunden i…

  1. 1Konvolution och filter: Upptäcka kanter och mönster
  2. 2Poolningslager: Spatial nedsampling och invarians
  3. 3Bygga och träna ett CNN på CIFAR-10
  4. +1 till
Börja lära dig gratisLås upp med PRO
24

B24 lektionerPRO

Sekventiell data som tidsserier, text och ljud innehåller tidsberoenden som vanliga feedforward-nätverk bortser från. RNN:er bearbetar sekvenser steg för steg med delade vikter, medan LSTM lägger til…

  1. 1Vanliga RNN: Dolt tillstånd och sekvensutrullning
  2. 2Problemet med försvinnande gradienter över djupa tidssteg
  3. 3LSTM-cell: Inmatnings-, glömske- och utdatagater
  4. +1 till
Börja lära dig gratisLås upp med PRO
25

B24 lektionerPRO

Att träna stora nätverk från grunden kräver enorma mängder data och beräkningskraft. Transfer learning återanvänder vikter från modeller som förtränats på miljontals exempel, så att Ni kan uppnå hög…

  1. 1Förtränade modeller i torchvision: ResNet, EfficientNet och ViT
  2. 2Egenskapsextraktion: Frys backbone
  3. 3Finjustering: Avfrysning och låga inlärningshastigheter
  4. +1 till
Börja lära dig gratisLås upp med PRO
26

B24 lektionerPRO

BERT:s dubbelriktade transformerarkitektur förstår kontext i båda riktningarna och överträffar äldre sekventiella modeller på nästan alla NLP-benchmarktester. Lär Er att finjustera en förtränad BERT-…

  1. 1Transformerarkitektur: Attention, tokens och kontext
  2. 2Hugging Face-tokeniserare: Koda text för BERT
  3. 3Finjustera BertForSequenceClassification
  4. +1 till
Börja lära dig gratisLås upp med PRO
27

B24 lektionerPRO

MLOps förenar forskning inom maskininlärning med tillförlitlig programvaruutveckling för produktion. Lär Er experimentspårning med MLflow, reproducerbara miljöer med Docker och automatiserade omträni…

  1. 1Experimentuppföljning med MLflow: Logga parametrar, mått och artefakter
  2. 2Reproducerbara miljöer med Docker för maskininlärning
  3. 3Modellregister: Staging, produktion och arkivering
  4. +1 till
Börja lära dig gratisLås upp med PRO
28

B24 lektionerPRO

Modeller försämras tyst i produktion när verkligheten gradvis avviker från träningsförhållandena. Lär Er att övervaka fördelningen av förutsägelser, upptäcka data- och konceptdrift tidigt och bygga p…

  1. 1Datadrift: Förändringar i egenskapsfördelningar över tid
  2. 2Konceptdrift: När relationen mellan X och Y förändras
  3. 3Övervaka prediktionsfördelningar och konfidenspoäng
  4. +1 till
Börja lära dig gratisLås upp med PRO
29

B24 lektionerPRO

När ML-system fattar beslut med stora konsekvenser inom rekrytering, utlåning och sjukvård är det både ett etiskt krav och i många jurisdiktioner ett lagkrav att förstå och granska modellernas beteen…

  1. 1SHAP-värden: global och lokal feature-vikt
  2. 2LIME: lokalt tolkbara modellagnostiska förklaringar
  3. 3Fairness-mått: demografisk paritet och lika möjligheter
  4. +1 till
Börja lära dig gratisLås upp med PRO
30

B24 lektionerPRO

Samla alla färdigheter från det här spåret i ett komplett projekt: hämta och rensa en verklig datauppsättning, skapa funktioner, träna och finjustera flera modeller, utvärdera och jämföra dem och pak…

  1. 1Projektavgränsning: definiera problemet och framgångskriterierna
  2. 2Databearbetning och explorativ dataanalys
  3. 3Turnering i modellval: jämför fem algoritmer
  4. +1 till
Börja lära dig gratisLås upp med PRO
CoddyKit PRO

Lås upp alla 30 kurser i den här lärvägen och alla andra lärvägar

AI-handledare, certifieringsprov och certifikat. Fungerar på webben, iOS och Android.

Se alla abonnemang
Årsvis$29.90 / årCirka $2.49 i månadenBetala en gångLivstid$69.99 en gångInga förnyelser. PRO för alltid.
Kursöversikt

Maskininlärning med Python

Lär er maskininlärning från grunden. Bygg och utvärdera modeller med scikit-learn, lär er ensemblemetoder och gå vidare till deep learning med PyTorch. Det här spåret omfattar 30 progressiva minikurser från nybörjarnivå (A1) till avancerad nivå (B2), med korta, fokuserade lektioner och snabba kunskapstest som hjälper er att befästa varje koncept.

Det här får ni lära er

Ni börjar med grunderna och bygger vidare med ämnen på medel- och avancerad nivå, där varje kurs bygger på den föregående. Varje lektion är praktiskt inriktad, med verkliga exempel och en AI-handledare som finns till hands när ni behöver hjälp.

Så fungerar det

Varje kurs är uppdelad i fyra fokuserade lektioner. Genomför några lektioner om dagen så behärskar ni hela spåret på veckor i stället för månader.

Verktyg

Öva med AI – läs inte bara

Ta lärandet till nästa nivå med AI-drivna verktyg och funktioner

AI-chattChatta med AI-handledarenStäll en superfrågaFå svar på expertnivåPROSkapa lektionAI-driven lektionsskaparePROPåbörja certifieringsprovetFå ditt certifikatPROStarta utmaningTesta dina kunskaper

Så lär du dig

  1. 01

    Interaktiva lektioner

    Praktiska kodövningar med feedback i realtid

  2. 02

    AI-handledare

    Få omedelbar hjälp av vår AI när du kör fast

  3. 03

    Inbyggd kodredigerare

    Skriv och kör kod direkt i webbläsaren

  4. 04

    Certifikat

    Få ett certifikat när du slutför kursen

Fortsätt utforska

Relaterade lärvägar

Deep Learning Academy logoDeep Learning AcademyMaster deep learning with PyTorch, from neurons and backpropagation to CNNs, Transformers…Data Science Academy logoData Science AcademyTurn raw data into insight with Python. Master NumPy, pandas, visualization, and scikit-l…NLP Academy logoNLP AcademyBuild language AI with Python. From text preprocessing and embeddings to Transformers, na…MLOps Academy logoMLOps AcademyTake ML models to production: experiment tracking, serving, CI/CD, monitoring, and drift…Mojo Academy logoMojo AcademyLearn Mojo, Modular's Python-family language built for AI speed. Write Python-like code w…Pandas & NumPy Academy logoPandas & NumPy AcademyGo from spreadsheets to production-grade data analysis. Master NumPy arrays, Pandas DataF…
FAQ

Vanliga frågor

Är kursen i Machine Learning Academy gratis?

Ja. Ni kan börja kursen i Machine Learning Academy gratis och genomföra de interaktiva lektionerna utan kostnad. Med en valfri PRO-prenumeration får Ni tillgång till avancerade AI-verktyg och ett certifikat som kan delas.

Behöver jag tidigare erfarenhet för att lära mig Python?

Nej. Kursen börjar med grunderna och går stegvis vidare till mer avancerade ämnen, så Ni kan börja även utan tidigare erfarenhet av Python.

Hur lär jag mig Python på CoddyKit?

Ni lär Er genom att göra. Korta interaktiva lektioner kombinerar tydliga förklaringar med praktiska kodövningar som körs i realtid, och en AI-handledare som är tillgänglig dygnet runt ger personlig hjälp när Ni kör fast.

Får jag ett certifikat när jag har slutfört Machine Learning Academy?

Ja. PRO-användare kan göra ett prov och få ett delbart intyg på att de har slutfört kursen i Machine Learning Academy, med en verifierbar kod.

Kan jag lära mig Python i mobilen?

Ja. CoddyKit finns på webben och som inbyggda iOS- och Android-appar, så Ni kan lära Er Python på valfri enhet och synkronisera Era framsteg mellan dem.

Vad kostar CoddyKit PRO?

Den första kursen i Machine Learning Academy är gratis. CoddyKit PRO låser upp alla kurser: $5.90 per vecka, $7.90 per månad, $29.90 per år eller $69.99 en gång för livstidsåtkomst utan förnyelser.

Hur lång tid tar det att slutföra Machine Learning Academy?

Machine Learning Academy har 30 kurser och 120 lektioner. De flesta lektioner tar cirka 5–10 minuter, så hela lärvägen motsvarar ungefär 14 timmars praktisk övning i egen takt.

Börja med Machine Learning Academy nu

Anslut Er till tusentals deltagare som lär sig programmering med AI-drivna lektioner.

Börja lära dig gratisBläddra bland alla kurser