Scikit-learn 课程可以帮助您学习数据预处理、模型选择和 Evaluation 技术,以及监督和非监督学习方法。您可以掌握特征工程、超参数调整以及决策树和支持向量机等算法的实施技能。许多课程还介绍了 Jupyter Notebook 和 Python 库等工具,这些工具支持应用机器学习概念和 Visualization 数据,以获得可行的见解。

IBM
您将获得的技能: 回归分析, 决策树学习, 机器学习, 无监督学习, 监督学习, 降维, Scikit-learn (机器学习库), 预测建模, 统计建模, 分类与回归树 (CART), 功能工程, 应用机器学习
中级 · 课程 · 1-3 个月

您将获得的技能: Generative AI, Supervised Learning, Generative Model Architectures, Unsupervised Learning, Large Language Modeling, Time Series Analysis and Forecasting, Exploratory Data Analysis, LLM Application, Applied Machine Learning, Data Collection, Machine Learning Algorithms, OpenAI, Feature Engineering, Data Ethics, Dimensionality Reduction, MLOps (Machine Learning Operations), Machine Learning, Multimodal Prompts, Data Processing, Network Architecture
中级 · 专业证书 · 3-6 个月

您将获得的技能: Scikit Learn (Machine Learning Library), Applied Machine Learning, Machine Learning Algorithms, Classification And Regression Tree (CART), Supervised Learning, Random Forest Algorithm, Machine Learning, Unsupervised Learning, Data Analysis
初级 · 指导项目 · 不超过 2 小时
University of Michigan
您将获得的技能: 回归分析, 机器学习, Scikit-learn (机器学习库), 决策树学习, 无监督学习, 监督学习, Python 程序设计, 降维, 随机森林算法, 功能工程, 应用机器学习, 预测建模
中级 · 课程 · 1-4 周

您将获得的技能: Matplotlib, Regression Analysis, Scikit Learn (Machine Learning Library), Data Visualization, Python Programming, Applied Machine Learning, Data Processing, Pandas (Python Package), NumPy, Predictive Modeling, Machine Learning Algorithms, Statistical Machine Learning, Machine Learning, Data Manipulation, Data Science, Dimensionality Reduction, Statistical Modeling, Feature Engineering, Unsupervised Learning, Performance Tuning
混合 · 课程 · 1-4 周

LearnQuest
您将获得的技能: 回归分析, 探索性数据分析, 机器学习, 监督学习, NumPy, Python 程序设计, 编程原则, 数据操作, 数据科学, Scikit-learn (机器学习库), 统计方法, 分类与回归树 (CART), 预测建模, 统计假设检验, 数据分析, Pandas(Python 软件包), 功能工程, 数据结构
初级 · 课程 · 1-4 周

您将获得的技能: Scikit Learn (Machine Learning Library), Predictive Modeling, Regression Analysis, Machine Learning Algorithms, Applied Machine Learning, Predictive Analytics, Python Programming, Machine Learning, Data Analysis, Random Forest Algorithm
初级 · 指导项目 · 不超过 2 小时

IBM
您将获得的技能: 探索性数据分析, 回归分析, Matplotlib, 统计分析, 数据导入/导出, Python 程序设计, NumPy, 数据管道, 数据操作, 数据驱动的决策制定, 数据整理, 预测建模, 数据转换, 功能工程, Pandas(Python 软件包), 数据可视化, Scikit-learn (机器学习库), 数据分析, 数据清理
中级 · 课程 · 1-3 个月

您将获得的技能: Reinforcement Learning, Dimensionality Reduction, PyTorch (Machine Learning Library), Deep Learning, Generative AI, Pandas (Python Package), Scikit Learn (Machine Learning Library), Python Programming, Machine Learning, Artificial Neural Networks, Data Processing, Natural Language Processing, Feature Engineering, Predictive Modeling, Supervised Learning, Unsupervised Learning, Data Transformation, NumPy
中级 · 课程 · 3-6 个月

您将获得的技能: Data Science, Unsupervised Learning, Exploratory Data Analysis, Probability & Statistics, Machine Learning Algorithms, Applied Machine Learning, Classification And Regression Tree (CART), Data Analysis, Python Programming, Random Forest Algorithm, Dimensionality Reduction, Predictive Modeling, NumPy, Regression Analysis, Statistical Analysis, Data Processing, Deep Learning, Pandas (Python Package), Data Visualization, Data Manipulation
中级 · 专项课程 · 3-6 个月

IBM
您将获得的技能: Open Source 技术, 数据可视化软件, GitHub, Git(版本控制系统), Python 程序设计, 机器学习, 其他编程语言, 统计编程, 版本控制, 数据科学, 云计算, 开发环境, 大数据, 计算机编程工具, R 语言程序设计(中文版), Query 语言, IBM 云, Jupyter, R(软件)
初级 · 课程 · 1-3 个月

DeepLearning.AI
您将获得的技能: 回归分析, 机器学习, Python 程序设计, NumPy, 应用机器学习, 数据转换, 预测建模, 分类与回归树 (CART), Scikit-learn (机器学习库), 统计建模, 人工智能, 监督学习, 功能工程, Jupyter
初级 · 课程 · 1-4 周
Scikit-learn 或 skilearn 是一个非常有用的 Python 机器学习算法库。 它最初是2007 年谷歌的一个代码暑期项目,后由法国计算机科学与自动化研究所(FIRCA)的一组数据科学家进一步开发,并于 2010 年向公众发布。 scikit-learn 库位于 github.com URL 上,现在是一个社区工作,任何具备相关技能的人都可以参与其中。 虽然该库主要用 Python 编写,但也基于 Python 库,包括 NumPy、Matplotlib、pandas 和 SciPy。 它为用户提供了分类、聚类、回归、模型选择、预处理和降维等统计建模和机器学习工具。
当你学习了 scikit-learn 后,你就能为 scikit-learn 库做出贡献并帮助维护它。 主要贡献者包括数据科学家、软件开发人员、机器学习研究人员、研究科学家和开源开发人员。 除了为图书馆做出贡献外,这些职业领域以及其他与机器学习相关的领域的人员在学习了如何使用 scikit-learn 中的算法后,就能更好地履行工作职责。
在开始学习 scikit-learn 之前,您应该对 Python 有一定的了解和经验。 此外,通常还需要有使用其他 Python 库的经验,包括 NumPy、Scipy、Joblib、Matplotlib 和 pandas。
在 Coursera 上学习在线课程可以帮助您了解 Python 和机器学习,以及使用和创建 scikit-learn 算法的具体方法。 您可以学习如何使用 scikit-learn 建立单变量和多变量线性回归模型,使用 pandas 管理数据,以及使用基于 Matplotlib 的 Python 库 seaborn 进行探索性数据分析和数据可视化。 通过 Coursera 的在线课程,您还有机会对特定主题进行预测,例如用电量、情感分析和 NBA 新秀的职业寿命等。
在线 Scikit Learn 课程为您提供了一种方便灵活的方式来增强知识或学习新的 Scikit Learn 技能。 Scikit Learn 课程由顶尖大学和行业领导者提供,可根据不同技能水平进行选择。