本课程是 IBM 机器学习专业证书的第一门课程,向您介绍机器学习和专业证书的内容。在本课程中,您将认识到优质数据的重要性。您将学习检索数据、清理数据、应用特征工程的常用技术,并为初步分析和假设检验做好准备。 课程结束时,您应该能够: 从多个数据源检索数据:SQL、NoSQL 数据库、API、云 描述和使用常见的特征选择和特征工程技术 处理分类和顺序特征以及缺失值 使用各种技术检测和处理异常值 阐述特征缩放的重要性,并使用各种缩放技术 谁应该参加本课程?

机器学习的探索性数据分析
本课程是多个项目的一部分。
访问权限由 New York State Department of Labor 提供
184,987 人已注册
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
- 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
人工智能并不新鲜,但它的新鲜之处在于,在商业环境中开始使用机器学习比以往任何时候都要容易。在本模块中,我们将快速介绍人工智能和机器学习,并简要回顾现代人工智能的历史。我们还将为你探讨人工智能和机器学习的一些当前应用,让你思考如何在日常业务实践或个人项目中利用它们。
涵盖的内容
8个视频2篇阅读材料3个作业1个讨论话题
良好的数据是机器学习和人工智能的动力源泉。在本模块中,您将学习如何从不同来源检索数据,以及如何清理数据以确保其质量。
涵盖的内容
7个视频3篇阅读材料3个作业3个应用程序项目
在本模块中,您将学习如何进行探索性分析,以便通过特征工程和转换直观地确认是否已为机器学习建模做好准备。
涵盖的内容
15个视频3篇阅读材料3个作业4个应用程序项目
推断统计和假设检验是在分析数据的早期阶段经常被忽视的两种数据分析类型。它们可以让您快速了解数据的质量。它们还能帮助您确认业务直觉,并帮助您确定下一步使用机器学习分析的内容。本模块将介绍有用的定义和简单的示例,帮助您开始围绕业务问题创建假设以及如何对其进行测试。
涵盖的内容
15个视频2篇阅读材料3个作业2个应用程序项目1个讨论话题
在本作业中,您将运用在整个课程中学到的技能来分析您选择的数据集,该数据集可以来自课程材料或外部来源。您将执行数据 Cleaning、Feature Engineering、探索性数据 Visualization 和假设检验,以获得有意义的见解。完成后,您的作品将由 AI 评分工具自动评估。
涵盖的内容
4篇阅读材料1个应用程序项目
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。
位教师


提供方
人们为什么选择 Coursera 来帮助自己实现职业发展

Felipe M.

Jennifer J.

Larry W.

Chaitanya A.
学生评论
- 5 stars
72.98%
- 4 stars
19.22%
- 3 stars
4.45%
- 2 stars
1.81%
- 1 star
1.53%
显示 3/2537 个
已于 Jul 17, 2025审阅
More example in simplified way could help new learner to understand. Overall I really like this course. This help us to crack some of good area where I need to re-work .
已于 Apr 23, 2024审阅
The course includes hands-on exercises that allows us to apply the learned EDA techniques to real-world data. This practical approach helps solidify my understanding.
已于 Feb 25, 2023审阅
This course was amazing. I always assumed that EDA was the challenging part of ML, But in this course I found it so cool. can't wait for the next course.
¹ 本课程的部分作业采用 AI 评分。对于这些作业,将根据 Coursera 隐私声明使用您的数据。







