本课程将教您如何利用 Python 和人工智能的力量来创建和测试假设。我们将从基础开始，先学习一些用于数据科学的基本 Python，然后再深入学习一些更丰富的应用，以测试我们创建的假设。我们将学习一些用于探索性数据分析（EDA）和机器学习的最重要的库，如 Numpy、Pandas 和 Sci-kit learn。在学习了线性回归背后的一些理论（和数学）之后，我们将通过读取数据、清理数据和应用回归模型来估算糖尿病的进展情况。课程结束时，您将应用分类模型从病人的健康数据中预测是否患有心脏病。
数据科学和 Python scikit-learn 简介
您将学到什么
运用人工智能技术测试 Python 中的假设
结合 Numpy、Pandas 和 Scikit-Learn 应用机器学习模型
您将获得的技能
要了解的详细信息
可分享的证书
添加到您的领英档案
作业
9 项作业
授课语言：英语（English）
了解顶级公司的员工如何掌握热门技能
积累特定领域的专业知识
本课程是 用于科学研究的人工智能 专项课程 专项课程的一部分
在注册此课程时，您还会同时注册此专项课程。
- 向行业专家学习新概念
- 获得对主题或工具的基础理解
- 通过实践项目培养工作相关技能
- 获得可共享的职业证书
该课程共有4个模块
在本模块中，我们将开始学习 Python 编程。在熟悉 Python 和 Jupyter Notebook 界面后，我们将深入学习一些基本的编码范例，如变量、循环和函数。我们还将学习列表和字典形式的数据结构。我们还将学习 Python 武器库中最有用的东西之一--有效导入和使用模块。最后，我们将介绍 scikit-learn 并通过一个分类问题来预测健康数据中是否存在癌症。
涵盖的内容
9个视频5篇阅读材料2个作业4个编程作业1个讨论话题5个非评分实验室
在本模块中，我们将熟悉数据科学最重要的两个软件包：Numpy 和 Pandas。首先，我们将了解这两个软件包的区别。然后，我们将熟悉 np 数组及其功能。添加文本可将数组转化为表格，并由此产生 Pandas 模块。在基本介绍之后，我们将学习一系列重要的数据处理工具，如索引、合并数据集和重塑数据。
涵盖的内容
8个视频5篇阅读材料4个作业1个编程作业1个讨论话题2个非评分实验室
在本模块中，我们将从头开始构建和测试我们的假设。通过学习理论和代码，我们将学会用不同类型的机器学习算法来测试我们的预测。首先，我们将通过一些必要的数据预处理步骤来确定方向。要熟悉 Scikit-Learn 库的使用，可以从文档开始。然后，我们将加载一个数据集，并分析其一些最基本的属性。最后，我们将导入并使用模型进行预测。
涵盖的内容
6个视频3篇阅读材料3个作业1个编程作业1个讨论话题1个非评分实验室
在最终项目中，我们将尝试使用患者数据预测心脏病的存在。我们将加载数据、创建新特征，并使用 scikit-learn 应用机器学习算法。
涵盖的内容
1个视频1个编程作业1个非评分实验室
获得职业证书
将此证书添加到您的 LinkedIn 个人资料、简历或履历中。在社交媒体和绩效考核中分享。
提供方
从 数据分析 浏览更多内容
状态：免费试用University of Michigan
状态：免费试用
状态：免费试用Google
人们为什么选择 Coursera 来帮助自己实现职业发展
Felipe M.
自 2018开始学习的学生
''能够按照自己的速度和节奏学习课程是一次很棒的经历。只要符合自己的时间表和心情，我就可以学习。'
Jennifer J.
自 2020开始学习的学生
''我直接将从课程中学到的概念和技能应用到一个令人兴奋的新工作项目中。'
Larry W.
自 2021开始学习的学生
''如果我的大学不提供我需要的主题课程，Coursera 便是最好的去处之一。'
Chaitanya A.
''学习不仅仅是在工作中做的更好：它远不止于此。Coursera 让我无限制地学习。'
学生评论
3.7
52 条评论
- 5 stars
46.15%
- 4 stars
15.38%
- 3 stars
13.46%
- 2 stars
9.61%
- 1 star
15.38%
显示 3/52 个
AG
4
已于 Nov 27, 2021审阅
Good introduction. A bit too short for a 4-week course. The autograder is not very good, and some solutions are wrong.
RS
4
已于 Aug 5, 2025审阅
Get you started with the basics. Explanation is great but some topics are only covered by referring you to the documentation. Lab solutions helped fill knowledge gaps not covered in lectures.
CT
4
已于 Jan 30, 2022审阅
It could be better if we can see where we did wrong after each assignment. Good and well-paced course otherwise
常见问题
要获取课程资料、作业和证书，您需要在注册课程时购买证书体验。 您可以尝试免费试听，或申请资助。课程可能提供 "完整课程，无证书"。通过该选项，您可以查看所有课程资料，提交必要的评估，并获得最终成绩。这也意味着您无法购买证书体验。
注册课程后，您就可以访问专项课程中的所有课程，完成作业后还可以获得证书。您的电子证书将添加到您的 "成就 "页面--在那里，您可以打印证书或将其添加到您的 LinkedIn 个人资料中。
是的。在特定的学习课程中，如果您付不起注册费，可以申请助学金或奖学金。如果您选择的学习课程有助学金或奖学金，您可以在说明页面找到申请链接。
更多问题
提供助学金，