Menu
CoddyTech
ZACZNIJ NAUKĘ
flag Pl iconPolskidown icon
machine Learning iconCzęść ścieżki Machine LearningNowośćŚcieżka

Uczenie 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.

ZACZNIJ NAUKĘ(za darmo)
Zobacz programUczenie nadzorowane online

1,000+ zapisanych osób

58 lekcje58 wyzwania240 pytania quizowe

  • Dla początkujących
  • sparkles iconPomoc AI przy programowaniu
  • hint iconPraktyczne, interaktywne lekcje
  • quiz iconQuizy sprawdzające wiedzę
  • certificate iconDarmowy certyfikat ukończenia

Program

1 sekcje58 lekcje58 wyzwania240 pytania quizowe

Ta sekcja jest częścią ścieżki Machine Learning. Pełny program ma więcej sekcji. Kliknij dowolny podgląd poniżej, aby zobaczyć go na stronie ścieżki.

  1. Sekcja 1Dane i wykresy60 lekcje
  2. Sekcja 2Statystyka w uczeniu maszynowym64 lekcje
  3. Sekcja 3

    Uczenie nadzorowane

    Zacznij sekcjęZacznijRozwińZwiń    Trenuj 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.58 lekcje58 wyzwania240 pytania

    Twój pierwszy model

    5 lekcje520

    Najbliżsi sąsiedzi

    5 lekcje520

    Regresja liniowa

    5 lekcje520

    Regresja logistyczna

    5 lekcje520

    Ocena klasyfikatorów

    6 lekcje625

    Drzewa decyzyjne

    5 lekcje520

    Przeuczenie

    5 lekcje520

    Walidacja krzyżowa

    4 lekcje415

    Metody zespołowe

    4 lekcje415

    Potoki

    5 lekcje520

    Projekt: Gatunki pingwinów

    5 lekcje525

    Wyzwania końcowe

    4 lekcje420
  4. Sekcja 4Uczenie nienadzorowane51 lekcje
Zobacz pełny program ścieżki Machine Learning
Co dostajesz
Wszystko, czego potrzebujesz do nauki programowania

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.

playground.js
Edytor kodu
1const greeting = "Hello, Coddy!"
2function sayHi(name) {
3    return greeting + " " + name
4}
5
bottombar Collapse icon
Test #1test Case Success icon
Test #2test Case Success icon
Test #3test Case Failure icon
Dane wejściowe
"Alex"
Wynik
"Hello, Coddy! Alex"

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!

fire Filled icon
left icon

January 2026

right icon

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

product Double Or Nothing icon

Podwójnie albo nic

Dzień 5 z 7

fire Freeze icon

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.

Python
7Seria
250Wynik
5Energia
Zmienne
journey Hex Done Base iconjourney Hex Done Shadow iconjourney Hex Done Top iconjourney Lesson Done icon
journey Path Right Done icon
journey Hex Done Base iconjourney Hex Done Shadow iconjourney Hex Done Top iconjourney Lesson Done icon
journey Path Left Done icon
journey Hex Active Base iconjourney Hex Active Shadow iconjourney Hex Active Top iconjourney Lesson Theory Challenge icon
KONTYNUUJ
journey Path Right icon
journey Hex Locked Base iconjourney Hex Locked Shadow iconjourney Hex Locked Top iconjourney Lesson Theory Challenge icon
journey Path Left icon
journey Hex Locked Base iconjourney Hex Locked Shadow iconjourney Hex Locked Top iconjourney Lesson All icon
Ścieżka
Cele
Ranking
Profil
4.9
GwiazdkaGwiazdkaGwiazdkaGwiazdkaGwiazdka
Ocena

Nie uczysz się w pojedynkę

Rywalizuj w globalnych rankingach, zapraszaj znajomych po nagrody i świętujcie wspólnie swoje sukcesy. Z przyjaciółmi programuje się lepiej!

Liga Challenger
Liga ChallengerAwansuje 7 najlepszych
leaderboard First icon1
avatar 1 icon
fire Filled icon
Alex7+ Days
2840
leaderboard Second icon2
avatar 2 icon
fire Filled icon
Jordan7+ Days
2650
leaderboard Third icon3
avatar 3 icon
fire Filled icon
Sam7+ Days
2420
4
avatar 4 icon
Casey
2180
5
avatar placeholder icon
fire Filled icon
Morgan7+ Days
1950
leaderboard Arrow Up iconStrefa awansuleaderboard Arrow Up icon

Każdy sposób nauki

Czytaj, słuchaj, sprawdzaj się, pytaj AI albo wracaj do tego, co już znasz. Każda lekcja dopasowuje się do ciebie.

Wprowadzenie do zmiennych
Audio

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.

1xZofia

Zdobądź certyfikat

Zdobywaj certyfikaty za każdy ukończony kurs. Dodaj je do profilu na LinkedIn i CV, aby pokazać pracodawcom swoje umiejętności programistyczne.

CoddyCertyfikat ukończenia
Certyfikat dlaJan Kowalskiza pomyślne ukończenie kursu
python iconPodstawy Pythona
Zweryfikowano
Datasty 2026
LinkedInDodaj do LinkedIn

Dlaczego uczenie nadzorowane z Coddy

  • Cały proces scikit-learn w czterech linijkach, których użyjesz w każdym projekcie: train_test_split, fit, predict i score. 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?

Uczenie nadzorowane ma etykiety i je przewiduje: spam czy nie, cena mieszkania, gatunek kwiatu. Uczenie nienadzorowane nie ma etykiet i szuka struktury w samych danych: grup podobnych klientów, kilku kierunków, które wyjaśniają większość zmienności, odczytów, które wyglądają podejrzanie. Zwykle najpierw uczy się nadzorowanego; sekcja o uczeniu nienadzorowanym jest zaraz po nim.

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?

k najbliższych sąsiadów, regresję liniową i Ridge, regresję logistyczną, drzewa decyzyjne, lasy losowe i gradient boosting, wszystko ze scikit-learn. Wokół nich poznajesz narzędzia, które czynią je użytecznymi: StandardScaler, OneHotEncoder, SimpleImputer, pipeline'y, cross_val_score i GridSearchCV.

Co trzeba umieć przed startem?

Podstawy Pythona plus NumPy, pandas i matplotlib oraz tyle statystyki, by odczytać średnią, rozrzut i korelację. Dokładnie tego uczą pierwsze dwie sekcje kursu uczenia maszynowego. Jeśli już to znasz, możesz zacząć tutaj.

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.

Ścieżki nauki, które obejmują ten kurs

Ten kurs to jeden krok dłuższej ścieżki: kilku kursów w kolejności, w jakiej uczyłby mentor, każdy z własnym darmowym certyfikatem.

Ilustracja języków programowania w Coddy

Ucz się Uczenie nadzorowane z Coddy

ZACZNIJ