Część ścieżki Machine LearningNowośćŚcieżkaStatystyka dla uczenia maszynowego i data science
Statystyka, na której opiera się każdy model, poznana przez symulowanie i rysowanie zamiast wkuwania wzorów. Prawdziwy Python z NumPy, pandas, SciPy i scikit-learn oraz wykres w każdej lekcji.
1,000+ zapisanych osób
64 lekcje63 wyzwania265 pytania quizowe
- Dla początkujących
Pomoc AI przy programowaniu
Praktyczne, interaktywne lekcje
Quizy sprawdzające wiedzę
Darmowy certyfikat ukończenia
Program
Ta sekcja jest częścią ścieżki Machine Learning. Pełny program ma więcej sekcji. Kliknij dowolny podgląd poniżej, aby zobaczyć go na stronie ścieżki.
- Sekcja 1Dane i wykresy60 lekcje
Sekcja 2
Statystyka w uczeniu maszynowym
Zacznij sekcjęZacznijRozwińZwińStatystyka leżąca u podstaw każdego modelu: miary położenia i rozproszenia, rozkłady, prawdopodobieństwo badane za pomocą symulacji, próby, wartości odstające, korelacja, linie trendu i testy porównujące grupy, a następnie skalowanie i kodowanie cech. Każde zagadnienie obliczysz na rzeczywistych danych i przedstawisz na wykresie.Położenie i rozproszenie
6 lekcje625Rozkłady
6 lekcje625Prawdopodobieństwo przez symulację
6 lekcje625Próby i populacje
5 lekcje520Obserwacje odstające
5 lekcje520Relacje
6 lekcje525Linie trendu
6 lekcje625Porównywanie grup
6 lekcje625Skalowanie cech
5 lekcje520Kodowanie kategorii
4 lekcje415Eksploracja zbioru danych
5 lekcje520Wyzwania końcowe
4 lekcje420- Sekcja 3Uczenie nadzorowane58 lekcje
- Sekcja 4Uczenie nienadzorowane51 lekcje
Ucz się w praktyce
Pisz prawdziwy kod, odpytuj bazy danych, twórz strony internetowe i opanuj prompty AI. Nasze interaktywne lekcje obejmują wszystkie umiejętności, których potrzebuje współczesny programista.
Buduj swoją serię
Ucz się regularnie i patrz, jak rosną twoje postępy! Śledź codzienny nawyk programowania, chroń serię dzięki zamrożeniom i zdobywaj nagrody za każdy dzień nauki.
12 dni serii
Wróć jutro, aby utrzymać serię!
January 2026
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
21
22
23
24
25
26
27
28
29
30
Podwójnie albo nic
Dzień 5 z 7
Zamrożenie serii
2 left
Programuj wszędzie
Zabierz naukę programowania ze sobą! Bez konfiguracji i pobierania plików: po prostu otwórz i zacznij kodować. Dostępne na iOS, Androida i w przeglądarce, z oceną 4,9 gwiazdki.
Nie uczysz się w pojedynkę
Rywalizuj w globalnych rankingach, zapraszaj znajomych po nagrody i świętujcie wspólnie swoje sukcesy. Z przyjaciółmi programuje się lepiej!
1
2
3
Strefa awansuKażdy sposób nauki
Czytaj, słuchaj, sprawdzaj się, pytaj AI albo wracaj do tego, co już znasz. Każda lekcja dopasowuje się do ciebie.
Zmienna to nazwany pojemnik przechowujący wartość, do której możesz później odwołać się w programie.
W Pythonie tworzysz ją, pisząc nazwę, znak równości, a potem wartość, którą chcesz zapisać.
Wartość może się zmieniać: ponowne przypisanie po prostu wskazuje nazwą nową wartość.
Zdobądź certyfikat
Zdobywaj certyfikaty za każdy ukończony kurs. Dodaj je do profilu na LinkedIn i CV, aby pokazać pracodawcom swoje umiejętności programistyczne.
Certyfikat ukończeniaPodstawy Pythona
Dodaj do LinkedInDlaczego warto uczyć się statystyki dla ML z Coddy
- Zasymuluj, potem zobacz. Rzuć tysiącami kostek, wylosuj tysiące próbek, przetasuj grupy tysiące razy i patrz, jak histogram się stabilizuje. Prawdopodobieństwo to udział, który możesz policzyć, zanim stanie się wzorem.
- Każda lekcja ma wykres: histogramy gęstości z krzywą normalną na wierzchu, wykresy pudełkowe z obserwacjami odstającymi, mapy cieplne korelacji, dopasowane linie trendu. Twój własny wykres pojawia się w zakładce Wykresy po uruchomieniu.
- Statystyka, której uczenie maszynowe naprawdę używa: średnia i mediana, rozrzut i percentyle, rozkłady i wyniki z, próbkowanie, obserwacje odstające, korelacja, metoda najmniejszych kwadratów i R², p-wartości i test t.
- Kończy się tam, gdzie zaczynają się modele: skalowanie cech z
StandardScaler, kodowanie kategorii zpd.get_dummiesi lista kontrolna do eksplorowania nowego zbioru danych, zanim cokolwiek wytrenujesz.
Najczęstsze pytania o statystykę dla uczenia maszynowego
Ile statystyki potrzeba do uczenia maszynowego?
Czy to ta sama statystyka co w data science?
Czy potrzebuję analizy matematycznej albo algebry liniowej?
Czym jest p-wartość, w prostych słowach?
stats.ttest_ind, skrót w postaci wzoru na to samo pytanie.Z jakich bibliotek Pythona korzysta sekcja statystyki?
stats z SciPy do rozkładów i testów oraz scikit-learn do StandardScaler. Wszystkich uczy sekcja wizualizacji danych w Pythonie, która jest przed tą.Ile czasu zajmuje sekcja statystyki?
Czy sekcja statystyki jest darmowa?
