Część ścieżki Machine LearningNowośćŚcieżkaUczenie nienadzorowane w Pythonie
Znajdź grupy, kształt i nietypowe przypadki w danych bez etykiet. Grupuj, zmniejszaj wymiar i przeszukuj prawdziwe zbiory danych ze scikit-learn, a każdy wynik zobacz na wykresie.
51 lekcje51 wyzwania210 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 3Uczenie nadzorowane58 lekcje
Sekcja 4
Uczenie nienadzorowane
Zacznij sekcjęZacznijOdkrywaj strukturę danych bez etykiet: k-means, klasteryzacja hierarchiczna i gęstościowa, PCA do wizualizacji i kompresji wielu cech oraz wykrywanie anomalii — na koniec projekt eksploracji cyfr.Znajdowanie grup
5 lekcje520Wybór k
5 lekcje520Odczytywanie klastrów
5 lekcje520Klasteryzacja hierarchiczna
4 lekcje415Klasteryzacja gęstościowa
4 lekcje415Mniej wymiarów
5 lekcje520PCA w praktyce
5 lekcje520Wykrywanie anomalii
5 lekcje520Klastry w praktyce
4 lekcje415Projekt: Odkrywca cyfr
5 lekcje525Ostatnie wyzwania
4 lekcje420
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 nienadzorowane z Coddy
- Klasteryzacja, którą widać. Patrz, jak k-means przesuwa środki, odczytuj wysokości połączeń w dendrogramie i zobacz, jak DBSCAN znajduje grupy w kształcie półksiężyców, które k-means przecina na pół. Każda lekcja ma wykres, a twój pojawia się w zakładce Wykresy po uruchomieniu.
- Najważniejsze metody: k-means, wybór k metodą łokcia i współczynnikiem silhouette, klasteryzacja hierarchiczna, DBSCAN, PCA i wyjaśniona wariancja, isolation forest i local outlier factor, wszystko ze scikit-learn.
- Wyniki, które umiesz wyjaśnić. Opisujesz każdy klaster w prawdziwych jednostkach, porównujesz klastry ze znanymi etykietami i nazywasz segmenty, na które firma by zareagowała, zamiast poprzestać na liście numerów klastrów.
- 64 wymiary, które da się zobaczyć: odręcznie pisane cyfry rzutowane na płaską mapę, składowe PCA narysowane jako obrazy i obrazy odtworzone z kilku liczb.
Najczęstsze pytania o uczenie nienadzorowane
Czym jest uczenie nienadzorowane?
Uczenie nienadzorowane znajduje strukturę w danych bez etykiet. Nikt nie podaje modelowi poprawnej odpowiedzi; szuka on grup podobnych wierszy (klasteryzacja), kilku kierunków, które zachowują większość informacji (redukcja wymiarowości), albo wierszy niepodobnych do reszty (wykrywanie anomalii). Tak eksplorujesz nowy zbiór danych, segmentujesz klientów albo wykrywasz oszustwa, zanim ktokolwiek je oznaczył.
Jakie są przykłady uczenia nienadzorowanego?
Grupowanie kupujących według tego, co kupują, zredukowanie kolorów obrazu do ośmiu najważniejszych, rzutowanie 64-pikselowych obrazków cyfr na płaski wykres, znajdowanie nietypowych odczytów z serwera i dzielenie pomiarów komórek na dwa rodzaje bez informacji, który jest który. Kurs buduje każdy z tych przykładów.
Jakie algorytmy poznam w tej sekcji?
k-means z metodą łokcia i współczynnikiem silhouette, klasteryzację aglomeracyjną (hierarchiczną) z dendrogramami, DBSCAN, PCA, isolation forest i local outlier factor. Dowiesz się też, dlaczego skalowanie idzie na pierwszy ogień i kiedy każda metoda zawodzi, żeby umieć wybrać właściwą.
Jak wybrać liczbę klastrów?
Rzadko istnieje jedna dobra odpowiedź, więc kurs uczy trzech sposobów patrzenia: łokcia na krzywej inercji, współczynnika silhouette i wysokości połączeń w dendrogramie. Potem sprawdzasz klastry w prawdziwych jednostkach i pytasz, czy człowiek umiałby je nazwać. k, które daje grupy, których nikt nie potrafi opisać, to złe k.
Czy zacząć od uczenia nadzorowanego?
Ile trwa sekcja uczenia nienadzorowanego?
51 lekcji, około 8 do 9 godzin we własnym tempie: kilka tygodni przy pół godzinie dziennie, razem z projektem eksploratora cyfr i czterema wyzwaniami końcowymi.
Czy uczenia nienadzorowanego można nauczyć się za darmo?
Tak. Lekcje, wykresy, podpowiedzi AI i certyfikat za sekcję są darmowe. Darmowe konto pozwala przerobić kilka lekcji dziennie, a Pro znosi dzienny limit.
