Część ścieżki Machine LearningNowośćŚcieżkaUczenie nadzorowane w Pythonie
Trenuj modele, które uczą się na oznaczonych przykładach. Dziel dane, dopasowuj, przewiduj i oceniaj ze scikit-learn, oglądaj każdy model na wykresie i zakończ klasyfikatorem gatunków pingwinów.
58 lekcje58 wyzwania240 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 2Statystyka w uczeniu maszynowym64 lekcje
Sekcja 3
Uczenie nadzorowane
Zacznij sekcjęZacznijTrenuj rzeczywiste modele za pomocą scikit-learn: dziel dane, dopasowuj modele, przewiduj i mierz wyniki. k-NN, regresja liniowa i logistyczna, drzewa, lasy i boosting, rzetelna ocena z użyciem walidacji krzyżowej oraz potoki — na koniec projekt z pingwinami realizowany od początku do końca.Twój pierwszy model
5 lekcje520Najbliżsi sąsiedzi
5 lekcje520Regresja liniowa
5 lekcje520Regresja logistyczna
5 lekcje520Ocena klasyfikatorów
6 lekcje625Drzewa decyzyjne
5 lekcje520Przeuczenie
5 lekcje520Walidacja krzyżowa
4 lekcje415Metody zespołowe
4 lekcje415Potoki
5 lekcje520Projekt: Gatunki pingwinów
5 lekcje525Wyzwania końcowe
4 lekcje420- 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 uczenie nadzorowane z Coddy
- Cały proces scikit-learn w czterech linijkach, których użyjesz w każdym projekcie:
train_test_split,fit,predictiscore. Potem każdy nowy model to jedna nowa linijka, a nie nowy sposób pracy. - Zobacz, co postanawia model. Granice decyzyjne kolorują płaszczyznę, wykresy reszt pokazują, czego nie trafia prosta, krzywe ROC pokazują, co poświęca próg. Każda lekcja ma wykres, a twój pojawia się w zakładce Wykresy po uruchomieniu.
- Modele, które wykonują większość prawdziwej pracy: k najbliższych sąsiadów, regresja liniowa i logistyczna, drzewa decyzyjne, lasy losowe i gradient boosting, a do tego pipeline'y, które skalują, kodują i uzupełniają braki bez wycieku zbioru testowego.
- Uczciwe wyniki. Macierze pomyłek, precyzja i czułość, niezbalansowane klasy, przeuczenie, zbiory walidacyjne i walidacja krzyżowa, żebyś odróżnił model, który działa, od takiego, który wykuł pracę domową na pamięć.
Najczęstsze pytania o uczenie nadzorowane
Czym jest uczenie nadzorowane?
Uczenie nadzorowane trenuje model na przykładach, które mają poprawną odpowiedź, zwaną etykietą. Każdy wiersz ma cechy (długość dzioba pingwina, długość płetwy, wyspę) i etykietę (jego gatunek). Model uczy się związku między nimi, a potem przewiduje etykietę dla nowych wierszy. Nazywa się nadzorowane, bo etykiety pełnią rolę nauczyciela: model jest według nich poprawiany podczas nauki.
Czym różni się uczenie nadzorowane od nienadzorowanego?
Czym są klasyfikacja i regresja?
To dwa rodzaje uczenia nadzorowanego. Klasyfikacja przewiduje kategorię, na przykład spam albo nie spam, czy jeden z trzech rodzajów wina. Regresja przewiduje liczbę, na przykład jutrzejsze wypożyczenia rowerów albo postęp choroby pacjenta. Wiele modeli robi jedno i drugie: istnieje k-NN, drzewo decyzyjne i las losowy w obu wersjach, a kurs korzysta z obu.
Jakie algorytmy uczenia nadzorowanego obejmuje kurs?
StandardScaler, OneHotEncoder, SimpleImputer, pipeline'y, cross_val_score i GridSearchCV.Co trzeba umieć przed startem?
Jak sprawdzić, czy mój model jest dobry?
Testujesz go na wierszach, których nie widział podczas treningu, i porównujesz z prostym punktem odniesienia, na przykład zawsze zgadywaniem najczęstszej klasy. Sama dokładność potrafi kłamać, gdy jedna klasa jest rzadka, więc kurs uczy też macierzy pomyłek, precyzji, czułości, F1 i krzywych ROC oraz walidacji krzyżowej, żeby sprawdzić, że wynik nie był kwestią szczęścia.
Ile trwa sekcja uczenia nadzorowanego?
58 lekcji, około 10 godzin we własnym tempie: kilka tygodni przy pół godzinie dziennie. Każda lekcja to jeden pomysł i jedno zadanie, a sekcja kończy się projektem z pingwinami i czterema wyzwaniami końcowymi.
Czy to jest darmowe?
Tak. Lekcje, wykresy, podpowiedzi AI i certyfikat za sekcję są darmowe. Darmowe konto pozwala przerobić kilka lekcji dziennie, a Pro znosi dzienny limit.
