Ưu đãi trong tuần: Nhập mã UD50 giảm 50k cho đơn từ 300k!
Trang chủ
Đăng nhập
Xem tất cả kết quả
Menu
Đăng nhập Đăng ký miễn phí

2 in 1: Python Machine Learning PLUS 30 Hour Python Bootcamp

Khóa học 2 trong 1: Python Machine Learning CỘNG THÊM 30 Giờ Học Python Cấp Tốc

Khóa học 2 trong 1: Python Machine Learning CỘNG THÊM 30 Giờ Học Python Cấp Tốc

Học xây dựng mô hình, thuật toán, khoa học dữ liệu CỘNG THÊM 30 giờ lập trình từng bước, thư viện, đối số, dự án +++

4.4
(241 đánh giá)
2,312 học viên
Giảng viên
Peter Alkema
Phụ đề Việt chất lượng cao Phụ đề tiếng Anh Bán chạy Đánh giá cao
79.000đ 349.000đ -77%
✓ Xem giỏ hàng và thanh toán
Bao gồm phụ đề tiếng Việt, tiếng Anh
45.0 giờ video
394 bài giảng
37 bài quiz
Truy cập vĩnh viễn
Học trên mọi thiết bị
Cập nhật: 07/06/2026
#Data Science #Machine Learning #Python #Python Programming

Bạn sẽ học được gì

Hiểu Machine Learning làm gì và tầm quan trọng của nó
Tìm hiểu các loại Thống kê Mô tả khác nhau
Áp dụng và sử dụng các Thao tác khác nhau trong Python
Khám phá cách sử dụng Hai Nhóm Học có Giám sát
Hiểu sự khác biệt của Ba Nhóm Machine Learning
Nắm được Vai trò của Machine Learning
Giải thích ý nghĩa của Xác suất và tầm quan trọng của nó
Định nghĩa quá trình Xác suất diễn ra như thế nào
Thảo luận về định nghĩa của Bước Xác định Mục tiêu và Thu thập Dữ liệu
Biết các khái niệm khác nhau của Bước Chuẩn bị Dữ liệu và Phân tích Khám phá Dữ liệu
Định nghĩa Học có Giám sát là gì
Phân biệt sự khác nhau chính giữa Học có Giám sát, Học không Giám sát và Học Củng cố
Giải thích tầm quan trọng của Hồi quy Tuyến tính
Học các loại Hồi quy Logistic khác nhau
Tìm hiểu Môi trường Phát triển Tích hợp (IDE) là gì và tầm quan trọng của nó
Hiểu các lý do tại sao Lập trình viên sử dụng Môi trường Phát triển Tích hợp
Học các yếu tố quan trọng nhất về Cách thực hiện phép cộng và đóng Jupyter Notebook
Thảo luận về Thao tác Số học trong Python
Xác định các Kiểu Dữ liệu Tích hợp khác nhau trong Python
Học các điểm cần lưu ý quan trọng nhất về Từ điển - Kiểu dữ liệu Tích hợp
Giải thích cách sử dụng các Thao tác trong Python và tầm quan trọng của chúng
Hiểu tầm quan trọng của Toán tử Logic
Định nghĩa các loại Câu lệnh Điều khiển khác nhau
Có thể tạo và viết chương trình tìm số lớn nhất
Phân biệt các loại hàm range khác nhau trong Python
Giải thích Thống kê, Xác suất là gì và các khái niệm chính
Giới thiệu về Python
Ngày và Giờ trong Python
Tập hợp và Lượng giác
Logarit trong Python
Mảng trong Python
Làm tròn và Số phức
Chuỗi trong Python
Chuỗi, ord và chr
Danh sách trong Python
Tuple trong Python
Nhiều chuỗi
Vòng lặp và Danh sách trong Python
Nối chuỗi
Comprehension trong Python
Danh sách, Phần tử và Trình vòng lặp
Zip và Thuộc tính trong Python
Ánh xạ trong Python
Thuộc tính dir
Toán tử Zip và Map
In các mục Từ điển
Đối số và Hàm trong Python
Chuỗi trong Python
Định nghĩa Hàm
Hàm Changer
def trong Python
Kiểu đã biết của một Hàm
Câu lệnh def
Mã Chuỗi và Cây Tổng
Cây Tổng
Hàm Echo và Lambda
Hàm Lập lịch
Hàm def và Reducing trong Python
for và if trong range
Hàm def Saver, ASCII và Ngoại lệ
Get Attributes và Decorator trong Python
Turtle và Biên dịch
Ghi nhật ký và HTTP
Tạo Máy tính
Số nhị phân trong Python
Thời gian đếm ngược trong Python
Kích thước và Đường dẫn của Tệp
Trực quan hóa Dữ liệu
Thư viện Pandas
Mã hóa và Giải mã trong Python
Shelve trong Python

Yêu cầu

Không yêu cầu kiến thức hoặc kinh nghiệm kỹ thuật để bắt đầu khóa học này
Hiểu biết cơ bản về tầm quan trọng của khoa học dữ liệu sẽ hữu ích
Máy tính xách tay, Máy tính để bàn hoặc Điện thoại di động
Kết nối Internet

Đối tượng phù hợp

Dành cho bất kỳ ai quan tâm đến lĩnh vực Machine Learning và các khái niệm chính
Những người muốn hiểu ML và xây dựng mô hình bằng Python
Dành cho những ai có hứng thú với Python
Dành cho những ai muốn xây dựng sự nghiệp với ngôn ngữ lập trình như python

Nội dung khóa học

96 phần • 394 bài giảng
1 Python Machine Learning - Giới thiệu
2 Tổng quan khóa học trên bảng: Sơ đồ tư duy về Machine Learning trong Python
3 Hãy giới thiệu bản thân với các bạn học và cho mọi người biết mục tiêu của bạn
4 Hãy cùng ăn mừng tiến độ của bạn trong khóa học: 25% > 50% > 75% > 100%!!
5 Xem trước & Tải xuống Sổ tay Machine Learning 234 trang bạn nhận được trong khóa học này
1 Giới thiệu Giảng viên
2 Đề cương bài giảng Machine Learning
3 Hiểu về Quá trình Tư duy và Học tập ở Con người
4 Con người Tư duy như thế nào và Tại sao chúng ta cần Machine Learning
5 Lịch sử Machine Learning
6 Sự khác biệt giữa Lập trình Truyền thống và Machine Learning
7 Ví dụ về Machine Learning
1 Machine Learning làm gì
2 Định nghĩa Machine Learning
3 Áp dụng Ví dụ Kinh nghiệm Phân loại Táo
4 Vai trò của Machine Learning
5 Thuật ngữ chính trong Machine Learning
1 Thống kê là gì
2 Thuật ngữ cơ bản của Thống kê
3 Thống kê Mô tả - Các loại Thống kê
4 Các loại Thống kê Mô tả
5 Thống kê Suy luận là gì
6 Phân tích là gì và các loại của nó
1 Giới thiệu về Xác suất
2 Xác suất và Ví dụ thực tế
3 Xác suất là gì
4 Xác suất là một Quá trình như thế nào
5 Tính Xác suất của một Sự kiện - Ví dụ
6 Xác suất của một Con xúc xắc Sáu mặt Công bằng - Ví dụ
7 Các quan điểm về Xác suất
8 Lý thuyết cơ bản về Xác suất
9 Khả năng mưa vào ngày dã ngoại - Ví dụ Xác suất
1 Bước Xác định Mục tiêu và Thu thập Dữ liệu
2 Bước Chuẩn bị Dữ liệu và Phân tích Khám phá Dữ liệu
3 Xây dựng Mô hình Machine Learning và Đánh giá Mô hình
4 Bước Dự đoán trong Quy trình Machine Learning
1 Máy có thể giải quyết vấn đề như thế nào - Tổng quan bài giảng
2 Học có Giám sát là gì
3 Học không Giám sát là gì
4 Học Củng cố là gì
5 Sự khác biệt chính giữa Học có Giám sát, Học không Giám sát và Học Củng cố
1 Ba Nhóm Machine Learning
2 Hồi quy, Phân loại và Phân cụm là gì
3 Hai Nhóm Học có Giám sát
4 Nhóm Học không Giám sát
5 So sánh Hồi quy, Phân loại và Phân cụm
1 Hồi quy Tuyến tính là gì
2 Ưu điểm và Nhược điểm của Hồi quy Tuyến tính
3 Hạn chế của Hồi quy Tuyến tính
4 Bạn đã đạt 25% >> Hãy cùng ăn mừng tiến độ và tiếp tục hướng đến 50% >>
5 Hồi quy Logistic là gì
6 So sánh Hồi quy Tuyến tính và Hồi quy Logistic
7 Các loại Hồi quy Logistic
8 Ưu điểm và Nhược điểm của Hồi quy Logistic
9 Hạn chế của Hồi quy Logistic
10 Cây quyết định là gì và tầm quan trọng của nó trong Machine Learning
11 Ưu điểm và Nhược điểm của Cây quyết định
1 Thuật toán Machine Learning Phần 3
1 Môi trường Phát triển Tích hợp (IDE) là gì
2 Các phần của Môi trường Phát triển Tích hợp
3 Tại sao Lập trình viên sử dụng Môi trường Phát triển Tích hợp
4 IDE nào được sử dụng cho Machine Learning
5 IDE Mã nguồn mở là gì
6 Python là gì
7 IDE tốt nhất cho Machine Learning cùng với Python
8 Nền tảng Phân phối Anaconda và IDE Jupyter
1 Ba Tab quan trọng trong Jupyter
2 Tạo Thư mục và Notebook mới trong Jupyter
3 Tạo Ba Biến trong Notebook
4 Cách kiểm tra các Biến có sẵn trong Notebook
5 Cách thực hiện phép cộng và Đóng Jupyter Notebook
6 Cách tránh Lỗi trong Jupyter Notebook
1 Lịch sử Python
2 Ứng dụng của Python
3 Biến là gì - Kiến thức cơ bản về Python
4 Quy tắc đặt tên Biến trong Python
5 Các loại Dữ liệu trong Python
6 Các Thao tác trong Python
7 Thao tác Số học trong Python
8 Thao tác Gán trong Python
9 Thao tác So sánh trong Python
10 Thao tác Logic trong Python
11 Thao tác Nhận dạng trong Python
12 Thao tác Thành viên trong Python
13 Thao tác Bitwise trong Python
1 Biến là gì
2 Chương trình tìm Kiểu dữ liệu của Biến
3 Dữ liệu Boolean trong Python
4 Dữ liệu Tích hợp trong Python
5 Danh sách - Kiểu dữ liệu Tích hợp
6 Tuple - Kiểu dữ liệu Tích hợp
7 Tập hợp (Sets) - Kiểu dữ liệu có sẵn
8 Từ điển (Dictionaries) - Kiểu dữ liệu có sẵn
1 Cách sử dụng toán tử trong Python
2 Toán tử số học
3 Toán tử gán
4 Toán tử so sánh
5 Toán tử logic
6 Toán tử nhận dạng (Identity)
7 Toán tử thành viên (Membership)
8 Toán tử bitwise
9 Bạn đã đạt 50% >> Chúc mừng tiến độ và tiếp tục hướng tới 75% >>
1 Các loại câu lệnh điều khiển
2 Cách dùng câu lệnh IF - Ví dụ 1
3 Viết chương trình tìm số lớn nhất - Ví dụ 2
4 Cách tối ưu mã nguồn - Ví dụ 3
5 Khi nào nên dùng câu lệnh IF
1 Numpy là gì và công dụng
2 Thư viện Scipy là gì
3 Thư viện Pandas là gì
4 Statsmodel là gì và các tính năng
1 Mảng (Array) là gì và ví dụ
2 Cách truy cập phần tử cụ thể trong mảng
3 Cắt mảng (Slicing)
4 Cách xác định số phần tử và chiều của mảng
5 Cách ghép hai mảng thành một
1 Tổng quan về hàm số học
2 Phương thức cộng trong hàm số học
3 Phương thức trừ, nhân, chia trong hàm số học
4 Phương thức MOD trong hàm số học
5 Phương thức lấy phần dư (Remainder)
6 Phương thức lũy thừa (Power)
7 Phương thức nghịch đảo (Reciprocal)
8 Tạo mảng hai chiều cho hàm số học
9 Tổng quan về hàm thống kê
10 Triển khai hàm thống kê trong Python
11 Tạo mảng có trọng số
12 Tạo mảng hai chiều với hàm thống kê
1 Nhập thư viện cho dự án Pandas
2 Tạo Series từ mảng
3 Tạo Series từ từ điển
4 Cách truy cập phần tử trong Series
5 Tạo cấu trúc dữ liệu DataFrame
1 Các hàm trong pandas - phần 2
2 Ví dụ về thuộc tính pandas
3 Phương thức Head và Tail trong Pandas
4 Tạo DataFrame Sinh viên với đầy đủ chức năng Pandas
5 Hàm thống kê mô tả trong Pandas
1 Tạo Jupyter Notebook và tải tập dữ liệu
2 Tải tập dữ liệu vào DataFrame
3 Cách tìm giá trị thiếu trong tập dữ liệu
4 Cách xử lý giá trị thiếu trong tập dữ liệu
1 Trực quan hóa dữ liệu là gì
2 Thư viện Matplotlib
3 Thư viện Seaborn
4 Thư viện Scikit-learn
5 Tập dữ liệu là gì
6 Thành phần của tập dữ liệu
1 Tổng quan về Matplotlib
2 Cách tạo biểu đồ đơn giản
3 Cách tạo đồ thị với nhiều điểm
4 Điểm đánh dấu trên đồ thị
5 Kiểu đường trên đồ thị
6 Cách vẽ nhiều đường trên một đồ thị
7 Cách thêm nhãn trên biểu đồ
8 Cách tạo nhiều biểu đồ con trên cùng canvas
9 Bạn đã đạt 75% >> Chúc mừng tiến độ và tiếp tục hướng tới 100% >>
1 Tổng quan về các loại biểu đồ trong Matplotlib
2 Biểu đồ cột là gì và tại sao cần dùng
3 Biểu đồ tần suất (Histogram) là gì
4 Biểu đồ phân tán (Scatter Plot) là gì và công dụng
5 Biểu đồ tròn (Pie Chart) là gì
1 Thư viện Seaborn là gì
2 Cách nhập tập dữ liệu có sẵn từ seaborn
3 Các tập dữ liệu có sẵn trong seaborn
4 Tải tập dữ liệu từ seaborn
5 Chủ đề và tùy chỉnh giao diện trong Seaborn
6 Cách thay đổi chủ đề biểu đồ
7 Phương thức Set context trong biểu đồ
8 Bảng màu trong biểu đồ
1 Tổng quan về các loại biểu đồ trong Seaborn
2 Relplot trong Seaborn
3 Catplot trong Seaborn
4 Ditplot trong Seaborn
5 Pairplot trong Seaborn
1 Thu thập dữ liệu là gì
2 Hiểu về dữ liệu
3 Phân tích dữ liệu khám phá (EDA)
4 Phương pháp phân tích dữ liệu khám phá
5 Tiền xử lý dữ liệu
6 Biến phân loại (Categorical Variables)
7 Kỹ thuật tiền xử lý dữ liệu
1 Hồi quy tuyến tính là gì và ứng dụng
2 Tập dữ liệu cho hồi quy tuyến tính
3 Nhập thư viện và tải tập dữ liệu - các bước hồi quy tuyến tính
4 Xóa cột chỉ mục - Các bước hồi quy tuyến tính
5 Khám phá mối quan hệ giữa biến dự đoán và biến phản hồi
6 Giải thích phương thức Pairplot
7 Giải thích phương thức Corr và Heatmap
8 Tạo mô hình hồi quy tuyến tính đơn giản
9 Diễn giải hệ số mô hình
10 Dự đoán với mô hình
11 Chỉ số đánh giá mô hình
1 Tổng quan triển khai hồi quy tuyến tính
2 Tải tập dữ liệu lên Jupyter Notebook
3 Nhập thư viện và tải tập dữ liệu vào DataFrame
4 Xóa cột chỉ mục
5 Phân tích khám phá - quan hệ biến dự đoán và phản hồi
6 Tạo mô hình hồi quy tuyến tính
7 Hệ số mô hình
8 Thực hiện dự đoán
9 Đánh giá hiệu suất mô hình
1 Xây dựng mô hình Machine Learning
2 Chỉ số đánh giá là gì
3 Các loại chỉ số đánh giá khác nhau
4 Ma trận nhầm lẫn (Confusion Matrix)
5 Độ chính xác (Accuracy)
6 Độ chính xác dự đoán (Precision)
7 Độ bao phủ (Recall)
8 Điểm F1 là gì
9 Báo cáo phân loại (Classification Report)
1 Nhập thư viện cho hồi quy logistic
2 Tải tập dữ liệu cho hồi quy logistic
3 Tạo mô hình hồi quy logistic
4 Bạn đã đạt 100% >> Chúc mừng hoàn thành! Đừng quên chia sẻ chứng chỉ!!
1 Giới thiệu diễn giả khách mời
2 Quan điểm về các khóa học khoa học dữ liệu so với khóa học khác
3 Hiểu biết cơ bản về máy móc
4 Kết hợp với chuyên ngành vật lý và thống kê là nền tảng tốt cho khoa học dữ liệu
5 Cái nhìn tổng quan về machine learning và khóa học
6 Thống kê trong khoa học dữ liệu
7 Cách khoa học dữ liệu áp dụng trong marketing
8 Công cụ nào thuận tiện hơn cho tự động hóa: Python hay UiPath
9 Nhận xét và đánh giá về khóa học Python
10 Khoa học dữ liệu có thể dự đoán giá cổ phiếu không?
11 Python có thể dùng để phân loại dữ liệu không?
12 Thống kê liên quan thế nào đến khoa học dữ liệu và ứng dụng trong kinh doanh
13 Lý thuyết trò chơi liên quan và ứng dụng trong khoa học dữ liệu
14 Suy nghĩ về giáo dục và trò chơi trong khóa học
15 Buổi Webinar Khoa học Dữ liệu 1 giờ với Terence Govender từ Regenesys
1 Giới thiệu
2 Tải xuống tất cả file mã nguồn
3 Giới thiệu bản thân với các học viên và chia sẻ mục tiêu của bạn
4 Cùng chúc mừng tiến độ của bạn: 25% > 50% > 75% > 100%!!
1 Lập trình Hello World trong Python
2 In biến trong Python
3 Chuỗi, số thập phân và số nguyên trong Python
4 In biến trong Python
5 Chèn, xóa và pop biến trong Python
1 In ngày và giờ trong Python
2 Import và From Date Time trong Python
3 In ngày giờ hiện tại trong Python
4 In năm hiện tại trong Python
5 Giờ, phút và giây trong Python
6 Micro giây trong Python
7 Dấu thời gian (Timestamp) trong Python
8 Chênh lệch thời gian trong Python
9 Chênh lệch thời gian trong Python
10 Chênh lệch thời gian trong Python 2
11 Lượng giác trong Python
12 Ngày và giờ hiện tại trong Python
1 Giao và hợp của tập hợp trong Python
2 Hiệu của tập hợp trong Python
3 True và False trong tập hợp sử dụng Python
4 Thêm và xóa phần tử trong tập hợp
5 Code thực hiện giao và hợp trong Python
6 Phần tử trong tập hợp
7 Math và CMath
8 Toán tử Logarit và Mod
9 Bạn đã đạt 25% >> Chúc mừng tiến độ của bạn và hãy tiếp tục hướng tới 50% >>
10 Toán tử bitwise trong Python
11 Chuyển đổi nhị phân sang thập phân trong Python
12 Chuyển đổi nhị phân sang số nguyên
13 Nhiều biến trong Python
14 Câu lệnh True và False trong Python
1 Mảng trong Python
2 Chèn phần tử vào mảng
3 Mảng và phương thức Pop
4 Chỉ mục và đảo ngược mảng
5 Tìm lỗi trong code: Bài tập
1 Làm tròn và cắt bỏ phần thập phân
2 Chuyển đổi độ sang radian và radian sang độ bằng Python
3 Vô cực dương và âm trong Python
4 Code xử lý NaN (Không phải số) trong Python
5 Code xử lý số phức trong Python
1 In chuỗi trong Python
2 Đếm trong chuỗi
3 Mở một tệp trong Python
4 In nhiều chuỗi trong Python
5 True và False với chuỗi trong Python
6 Cắt lát và lập chỉ mục trong chuỗi
1 Chuỗi và số nguyên
2 Công cụ ord và chr trong Python
3 Số nguyên và số nhị phân trong Python
1 Danh sách trong Python
2 Thêm chuỗi vào danh sách
3 Pop và xóa chuỗi trong danh sách
4 Code bài tập
5 Từ điển trong Python
6 Danh sách và từ điển
1 Tuple trong Python
2 Chuyển danh sách thành tuple
3 Tại sao cần danh sách và tuple trong Python
4 Tệp dữ liệu trong Python
1 Gán tuple
2 Chuỗi
3 Chuyển tuple thành danh sách
4 Chuỗi tuần tự trong Python
5 Nhiều chuỗi tuần tự
1 Duyệt tuple bằng vòng lặp
2 Chuỗi và tuple
3 Duyệt chuỗi tuần tự bằng vòng lặp
4 Duyệt danh sách bằng vòng lặp
5 Duyệt từng phần tử bằng vòng lặp
6 Nối thêm vào chuỗi tuần tự
1 Range và danh sách
2 Chuyển từ điển thành tuple
3 Hàm liệt kê (Enumerator)
4 Danh sách, phần tử và bộ lặp
5 List Comprehension
6 Bạn đã đạt 50% >> Chúc mừng tiến độ của bạn và hãy tiếp tục hướng tới 75% >>
1 Ánh xạ trong Python
2 Toán tử Zip và Map
3 In các mục từ điển
4 Thuộc tính dir
5 Thuộc tính dir 2
1 Đối số
2 Chuỗi tuần tự và đối số
3 Giao của các chuỗi tuần tự
4 Định nghĩa hàm
5 Nhiều hàm
1 Hàm thay đổi giá trị
2 Hàm đối số
3 Nhiều đối số và hàm
4 Kiểu dữ liệu đã biết của một hàm
5 In tuple bằng hàm
6 Câu lệnh def
1 Giá trị Min và MAX của đối số
2 Bài tập
3 Code chuỗi
4 Tìm tổng của danh sách
5 Cây tổng
1 Hàm Echo
2 Hàm lập lịch
3 In giá trị của một hàm
4 Hàm Lambda
5 Nhiều hàm Lambda
6 Hàm Lambda với nhiều hàm
1 Hàm Lambda: Ví dụ code
2 Hàm Lambda: Ví dụ code
3 Range và tuple
4 Ma trận trong Python
5 Tạo hàm trong Python
6 Tạo hàm: Ví dụ code
7 Tập hợp code
1 def của tổng và bình phương
2 Rút gọn code trong Python
3 Công cụ rút gọn hàm
4 for và if trong range
5 res.append trong Python
6 Bạn đã đạt 75% >> Chúc mừng tiến độ của bạn và hãy tiếp tục hướng tới 100% >>
1 def Saver
2 Module Python
3 isinstance cho chuỗi và đối tượng
4 def fetcher trong Python
5 Ngoại lệ trong Python
6 ASCII trong Python
7 Mã hóa và giải mã trong Python
8 Mã hóa và giải mã Bài 2
9 Mã hóa và giải mã Bài 3
10 Mã hóa và giải mã Bài 4
1 Code getName
2 GetAttr trong Python
3 GetAttribute trong Python
4 Decorator trong Python
5 Decorator lồng nhau
6 Chú thích và Decorator
7 functools cho Decorator
8 Công cụ inspectfunc trong Python
1 Phương thức lớp trong Python
2 Turtle, Time và Random
3 Code thư viện Pandas
4 Biên dịch trong Python
5 Trực quan hóa dữ liệu trong Matplotlib
6 Biểu đồ phân tán: Trực quan hóa dữ liệu
7 Hàm liệt kê
1 Plotly trong MATPLOTLIB
2 Biểu đồ: Trực quan hóa dữ liệu
3 Ghi log và Ngoại lệ
4 In nguyên âm
5 Map và toán tử
6 Máy chủ HTTP: Python thực tế
7 Thư viện Socket cho máy chủ HTTP
1 Code cây
2 Code cây Bài 2
3 Tên và kích thước của tệp
4 Đếm ngược thời gian: Python thực tế
5 Tạo máy tính: Python thực tế
1 Năm nhuận trong Python
2 PyAudio Bài 1
3 PyAudio Bài 2
4 Tạo Shelve trong Python
5 Thư viện Pandas: DataFrame
6 Bạn đã đạt 100% >> Chúc mừng! Hãy chia sẻ chứng chỉ của bạn!!

Giới thiệu khóa học

Course 1: Python Machine Learning > Section 1 - Section 68

Course 2: Python Bootcamp 30 Hours Of Step By Step > Section 69 - 94

Everything you get with this 2 in 1 course:

  • 234-page Machine Learning workbook containing all the reference material

  • 44 hours of clear and concise step by step instructions, practical lessons and engagement

  • 25 Python coding files so you can download and follow along in the bootcamp to enhance your learning

  • 35 quizzes and knowledge checks at various stages to test your learning and confirm your growth

  • Introduce yourself to our community of students in this course and tell us your goals

Encouragement & celebration of your progress: 25%, 50%, 75% and then 100% when you get your certificate

This course will help you develop Machine Learning skills for solving real-life problems in the new digital world. Machine Learning combines computer science and statistics to analyze raw real-time data, identify trends, and make predictions. The participants will explore key techniques and tools to build Machine Learning solutions for businesses. You don’t need to have any technical knowledge to learn this skill.

What will you learn:

  • Define what Machine Learning does and its importance

  • Understand the Role of Machine Learning

  • Explain what is Statistics

  • Learn the different types of Descriptive Statistics

  • Explain the meaning of Probability and its importance

  • Define how Probability Process happens

  • Discuss the definition of Objectives and Data Gathering Step

  • Know the different concepts of Data Preparation and Data Exploratory Analysis Step

  • Define what is Supervised Learning

  • Differentiate Key Differences Between Supervised, Unsupervised, and Reinforced Learning

  • Learn the difference between the Three Categories of Machine Learning

  • Explore the usage of Two Categories of Supervised Learning

  • Explain the importance of Linear Regression

  • Learn the different types of Logistic Regression

  • Learn what is an Integrated Development Environment and its importance

  • Understand the factors why Developers use Integrated Development Environment

  • Learn the most important factors on How to Perform Addition operations and close the Jupyter Notebook

  • Apply and use Various Operations in Python

  • Discuss Arithmetic Operation in Python

  • Identify the different types of Built-in-Data Types in Python

  • Learn the most important considerations of Dictionaries-Built-in Data types

  • Explain the usage of Operations in Python and its importance

  • Understand the importance of Logical Operators

  • Define the different types of Controlled Statements

  • Be able to create and write a program to find the maximum number

  • ...and more!

Contents and Overview

You'll start with the History of Machine Learning; Difference Between Traditional Programming and Machine Learning; What does Machine Learning do; Definition of Machine Learning; Apply Apple Sorting Example Experiences; Role of Machine Learning; Machine Learning Key Terms; Basic Terminologies of Statistics; Descriptive Statistics-Types of Statistics; Types of Descriptive Statistics; What is Inferential Statistics; What is Analysis and its types; Probability and Real-life Examples; How Probability is a Process; Views of Probability; Base Theory of Probability.

Then you will learn about Defining Objectives and Data Gathering Step; Data Preparation and Data Exploratory Analysis Step; Building a Machine Learning Model and Model Evaluation; Prediction Step in the Machine Learning Process; How can a machine solve a problem-Lecture overview; What is Supervised Learning; What is Unsupervised Learning; What is Reinforced Learning; Key Differences Between Supervised,Unsupervised and Reinforced Learning; Three Categories of Machine Learning; What is Regression, Classification and Clustering; Two Categories of Supervised Learning; Category of Unsupervised Learning; Comparison of Regression , Classification and Clustering; What is Linear Regression; Advantages and Disadvantages of Linear Regression; Limitations of Linear Regression; What is Logistic Regression; Comparison of Linear Regression and Logistic Regression; Types of Logistic Regression; Advantages and Disadvantages of Logistic Regression; Limitations of Logistic Regression; What is Decision tree and its importance in Machine learning; Advantages and Disadvantages of Decision Tree.

We will also cover What is Integrated Development Environment; Parts of Integrated Development Environment; Why Developers Use Integrated Development Environment; Which IDE is used for Machine Learning; What are Open Source IDE; What is Python; Best IDE for Machine Learning along with Python; Anaconda Distribution Platform and Jupyter IDE; Three Important Tabs in Jupyter; Creating new Folder and Notebook in Jupyter; Creating Three Variables in Notebook; How to Check Available Variables in Notebook; How to Perform Addition operation and Close Jupyter Notebook; How to Avoid Errors in Jupyter Notebook; History of Python; Applications of Python; What is Variable-Fundamentals of Python; Rules for Naming Variables in Python; DataTypes in Python; Arithmetic Operation in Python; Various Operations in Python; Comparison Operation in Python; Logical Operations in Python; Identity Operation in Python; Membership Operation in Python; Bitwise Operation in Python; Data Types in Python; Operators in Python; Control Statements in Python; Libraries in Python; Libraries in Python; What is Scipy library; What is Pandas Library; What is Statsmodel and its features;

This course will also tackle Data Visualisation & Scikit Learn; What is Data Visualization; Matplotib Library; Seaborn Library; Scikit-learn Library; What is Dataset; Components of Dataset; Data Collection & Preparation; What is Meant by Data Collection; Understanding Data; Exploratory Data Analysis; Methods of Exploratory Data Analysis; Data Pre-Processing; Categorical Variables; Data Pre-processing Techniques.

This course will also discuss What is Linear Regression and its Use Case; Dataset For Linear Regression; Import library and Load Data set- steps of linear regression; Remove the Index Column-Steps of Linear Regression; Exploring Relationship between Predictors and Response; Pairplot method explanation; Corr and Heatmap method explanation; Creating Simple Linear Regression Model; Interpreting Model Coefficients; Making Predictions with our Model; Model Evaluation Metric; Implementation of Linear Regression-lecture overview; Uploading the Dataset in Jupyter Notebook; Importing Libraries and Load Dataset into Dataframe; Remove the Index Column; Exploratory Analysis -relation of predictor and response; Creation of Linear Regression Model; Model Coefficients; Making Predictions; Evaluation of Model Performance.

Next, you will learn about Model Evaluation Metrics and Logistic Regression - Diabetes Model.

Who are the Instructors?

Samidha Kurle from Digital Regenesys is your lead instructor – a professional making a living from her teaching skills with expertise in Machine Learning. She has joined with content creator Peter Alkema to bring you this amazing new course.

You'll get premium support and feedback to help you become more confident with finance!

Our happiness guarantee...

We have a 30-day 100% money-back guarantee, so if you aren't happy with your purchase, we will refund your course - no questions asked!

We can't wait to see you on the course!

Enrol now, and master Machine Learning!

Peter and Samidha

Khóa học liên quan

Khám phá thêm các khoá học cùng chủ đề

Hiển thị tất cả khoá học Data Science
Hiển thị tất cả khoá học Machine Learning
Hiển thị tất cả khoá học Python
Hiển thị tất cả khoá học Python Programming
Zalo
Tôi có thể tư vấn khoá học cho bạn 😊