Negara atau wilayah dan bahasa

    Pilih negara atau wilayah dan bahasa Anda.

    Disarankan untuk Anda

      Semua negara dan wilayah

        Pilih karakter Anda

        Karakter ini tampil di bilah atas dan di profil Anda. Ubah kapan saja.

        Kursus / Alat data dan analitik

        Belajar machine learning lewat praktik dan proyek

        Bangun dan evaluasi model dengan scikit-learn di notebook sungguhan. Anda mulai dari alur pemodelan dan pembagian data untuk evaluasi yang jujur, lalu lanjut ke regresi, klasifikasi, pipeline, pemilihan model, dan kejadian langka, dengan setiap hasil diperiksa. Di akhir ada empat proyek dan dua tryout.

        Mulai pelajaran 1Latihan wawancaraIkuti asesmenBerlatih di unit pertama setiap kursus. Tidak perlu akun.
        62pelajaran
        364latihan yang diperiksa
        13proyek, studi kasus, dan ujian
        Mempersiapkan Anda untuk Wawancara data scientist dan machine learning

        Lanjutkan belajar Machine learning

        Pilih akses di sini. Kursus Anda sudah dipilih.

        One Course

        Setiap pelajaran, proyek, dan tryout di Machine learning.

        Memuat harga/ bulan

        Ditagih bulanan. Batalkan kapan saja.

        All Access

        Setiap kursus, ujian, dan proyek, ditambah Pusat Wawancara.

        Memuat harga/ bulan

        Ditagih bulanan. Batalkan kapan saja.

        Proyek, studi kasus, dan tryout

        Studi kasus · PemulaStudi kasus penjadwalan layanan kesehatan

        Buat dan evaluasi model prioritas pengingat tanpa mengubah akses ke janji temu.

        6 langkah · 18 min
        Proyek · MenengahProyek segmentasi pelanggan

        Bangun kelompok pelanggan dan ringkasan perilaku berindeks.

        8 langkah · 40 min
        Proyek · MenengahProyek churn keanggotaan

        Bangun evaluasi churn dengan data holdout dan beri skor pada catatan pelanggan baru.

        8 langkah · 40 min
        Studi kasus · MenengahKasus pemilihan metrik ritel

        Pilih model peninjauan berdasarkan cakupan kasus positif dan kapasitas peninjauan.

        6 langkah · 18 min
        Proyek · LanjutanProyek peninjauan fraud

        Tetapkan ambang peninjauan fraud untuk Nacre Payments ketika fraud yang terlewat berbiaya delapan kali lipat dari alarm palsu.

        8 langkah · 40 min
        Studi kasus · LanjutanDiagnosis model logistik

        Model pengiriman tampak akurat pada data latihnya. Cari tahu bagaimana kinerjanya pada pengiriman baru dan apa yang perlu dilaporkan.

        6 langkah · 30 min
        Proyek · AhliProyek peramalan permintaan

        Ramalkan permintaan dengan fitur yang hanya berasal dari masa lalu, holdout yang berurutan menurut waktu, dan baseline yang harus dikalahkan.

        8 langkah · 40 min
        Studi kasus · AhliTinjauan peluncuran media dan perjalanan

        Tinjau model media dan perjalanan sebelum diluncurkan, dimulai dari bukti hasil yang tersedia.

        6 langkah · 30 min
        Tryout · AhliTes kerja pemodelan A

        Tes pemodelan dengan batas waktu tentang holdout kronologis, fitur lag, validasi berkelompok, drift, dan ambang biaya yang diharapkan.

        12 pertanyaan · 40 min
        Tryout · AhliTes kerja pemodelan B

        Tes pemodelan kedua dengan batas waktu tentang fold bergulir, entitas yang belum pernah terlihat, evaluasi bersarang, perubahan tingkat, rollback, dan recall per subgrup.

        12 pertanyaan · 45 min

        Kerjakan alur pemodelan di notebook Python yang sungguh berfungsi. Anda mulai dari fitur, target, pembagian data latih dan uji, serta baseline. Setelah itu Anda membangun model regresi dan klasifikasi, pipeline preprocessing yang bisa dipakai ulang, dan eksperimen pemilihan model. Pada tahap selanjutnya Anda mengerjakan clustering, ketidakseimbangan kelas, probabilitas yang dikalibrasi, interpretasi, dan evaluasi kronologis. Proyek orisinal meminta Anda menilai risiko churn, memperkirakan permintaan, menyelidiki fraud, dan menggambarkan segmen pelanggan. Setiap tugas memeriksa objek hasil fit dan hasilnya pada set data kedua. Anda menutup dengan latihan wawancara dan dua tes kerja berwaktu.

        Proyek yang menggunakan Machine learning

        Work one company brief through several tools. Your Machine learning stage reads the tables from the stage before.

        Lihat semua proyek

        Latihan wawancara

        Jelaskan apa yang sudah Anda pelajari dalam wawancara layar penuh. Berbicaralah atau ketik, lalu tinjau jawaban Anda berdasarkan rubrik untuk level Anda.

        Proses wawancara per posisi

        Pemula

        GratisTidak perlu akun atau kartu. Semua pelajaran di unit ini terbuka untuk Anda latih.

        Alur kerja pemodelan

        Rumuskan keputusan, kenali prediktor, dan tentukan hasil.

        3 pelajaran

        Pembagian untuk evaluasi

        Lindungi observasi validasi dan uji dari informasi pelatihan.

        3 pelajaran

        Regresi dan baseline

        Bandingkan model yang sudah di-fit dengan baseline memakai error pada data holdout.

        3 pelajaran

        Keputusan klasifikasi

        Fit classifier biner dan ukur dampak dari kesalahannya.

        5 pelajaran

        Menengah

        Penskalaan dan regularisasi

        Fit transformasi pada baris pelatihan dan kendalikan kompleksitas koefisien.

        3 pelajaran

        Estimator nonlinear

        Bandingkan pohon keputusan, rata-rata random forest, dan boosting sekuensial.

        3 pelajaran

        Tetangga dan segmen pelanggan

        Gunakan jarak untuk klasifikasi dan pengelompokan pelanggan yang bermakna.

        4 pelajaran

        Persiapan fitur yang dapat dipakai ulang

        Tangani nilai yang hilang dan kategori baru di dalam pipeline yang sudah di-fit.

        5 pelajaran

        Lanjutan

        model Pemilihan

        Bangun fitur dan bandingkan kandidat dengan lipatan validasi.

        4 pelajaran

        Kejadian langka dan perankingan

        Evaluasi hasil yang tidak seimbang dan pilih ambang batas operasional.

        4 pelajaran

        Kepadatan dan dimensionalitas

        Periksa klaster berbasis kepadatan dan proyeksi berdimensi lebih rendah.

        3 pelajaran

        Probabilitas dan interpretasi

        Kalibrasi probabilitas dan periksa kontribusi prediktif tanpa mengklaim sebab-akibat.

        5 pelajaran

        Ahli

        Prediksi kronologis

        Validasi prakiraan dengan fitur lag dan holdout yang benar-benar berada di periode berikutnya.

        4 pelajaran

        Observasi yang saling bergantung

        Pisahkan kelompok dan bedakan pemilihan model dari evaluasinya.

        3 pelajaran

        model Operasional

        Ukur drift dan hasil yang sudah matang sebelum memilih respons.

        3 pelajaran

        model Keputusan peluncuran

        Gabungkan biaya kesalahan, bukti per subgrup, dan pengerjaan penilaian berwaktu.

        7 pelajaran

        Your Work Gym account

        Save your progress and pick up on another device. Your browser's progress comes with you.

        or

        You can keep practicing without an account.

        Ubah paket Anda

        Memeriksa harga

        Bantuan dan masukan

        Ajukan pertanyaan, beri tahu kami apa yang tidak berfungsi, atau bagikan ide. Kami membalas lewat email.

        Tentang apa?

        Kami hanya menggunakannya untuk membalas Anda.