这是 IBM 数据科学专业证书以及 Python 应用数据科学专业的最后一门课程。本毕业设计课程将让您有机会实践数据科学家在实际生活中处理数据集的工作。
应用数据科学毕业设计
您将学到什么
利用真实世界的数据集展示数据科学和机器学习技术的熟练程度，并为利益相关者编写报告
运用您的技能进行数据收集、数据整理、探索性数据分析、数据可视化模型开发和模型评估
编写 Python 代码，创建机器学习模型，包括支持向量机、决策树分类器和 K 近邻模型
评估用于预测分析的机器学习模型的结果，比较其优缺点并确定最佳模型
您将获得的技能
要了解的详细信息
可分享的证书
添加到您的领英档案
作业
12 项作业
授课语言：英语（English）
了解顶级公司的员工如何掌握热门技能
积累特定领域的专业知识
此课程作为 的一部分提供
在注册此课程时，您还需要选择一个特定的合作项目。
- 向行业专家学习新概念
- 获得对主题或工具的基础理解
- 通过实践项目培养工作相关技能
- 获得可共享的职业证书
该课程共有5个模块
在这个毕业设计中，我们将预测猎鹰 9 号第一级火箭能否成功着陆。SpaceX 公司在其网站上发布了猎鹰 9 号火箭的发射广告，成本为 6 200 万美元；而其他供应商每枚火箭的成本高达 1.65 亿美元，节省的大部分费用是因为 SpaceX 公司可以重复使用第一级火箭。因此，如果我们能确定第一级火箭是否会着陆，就能确定发射成本。如果有其他公司想与 SpaceX 竞标火箭发射，就可以利用这些信息。在本模块中，将为您提供问题概述和完成课程所需的工具。
涵盖的内容
3个视频1篇阅读材料4个作业3个应用程序项目1个插件
在本模块中，您将收集猎鹰 9 号第一级着陆的数据。您将使用 RESTful API 和网络搜刮。您还将把数据转换成数据帧，然后进行一些数据处理。
涵盖的内容
1个视频4个作业2个应用程序项目
在本模块中，您将使用 Plotly Dash 建立一个仪表盘，以交互方式分析发射记录。然后，您将使用 Folium 绘制交互式地图，分析发射地点的距离。
涵盖的内容
1个视频2个作业2个应用程序项目
在本模块中，您将使用机器学习来确定猎鹰 9 号的第一阶段能否成功着陆。您将把数据分为训练数据和测试数据，为 SVM、分类树和逻辑回归找到最佳超参数。然后找出使用测试数据表现最佳的方法。
涵盖的内容
1个视频2个作业1个应用程序项目
在本模块中，您将把所有活动汇集到一处，并提供数据驱动的洞察力，以确定猎鹰 9 号的第一阶段能否成功着陆。
涵盖的内容
2个视频3篇阅读材料1次同伴评审1个应用程序项目6个插件
获得职业证书
将此证书添加到您的 LinkedIn 个人资料、简历或履历中。在社交媒体和绩效考核中分享。
提供方
人们为什么选择 Coursera 来帮助自己实现职业发展
Felipe M.
自 2018开始学习的学生
''能够按照自己的速度和节奏学习课程是一次很棒的经历。只要符合自己的时间表和心情，我就可以学习。'
Jennifer J.
自 2020开始学习的学生
''我直接将从课程中学到的概念和技能应用到一个令人兴奋的新工作项目中。'
Larry W.
自 2021开始学习的学生
''如果我的大学不提供我需要的主题课程，Coursera 便是最好的去处之一。'
Chaitanya A.
''学习不仅仅是在工作中做的更好：它远不止于此。Coursera 让我无限制地学习。'
学生评论
- 5 stars
80.47%
- 4 stars
13.86%
- 3 stars
3.04%
- 2 stars
1.14%
- 1 star
1.45%
显示 3/7411 个
TM
已于 Jan 15, 2020审阅
Very challenging but truly rewarding. I learnt a lot through the mistakes I made throughout the project but there is a lot of support on the forum and the internet to help with any issue.
SR
已于 Apr 13, 2023审阅
It has been one heck of a journey, there were moments of confusion but then followed by the joy of eureka. I have found the course very useful. Special thanks to the creators and the instructors
CS
已于 Jun 15, 2023审阅
It's a great course to get a comprehensive background on Data Science (including ML) and lays the foundation for more advanced courses. It touches on all the areas that are required for data science.
