Chuyển đến nội dung chính
Trang chủPython

Khóa học

Học có giám sát với scikit-learn

Trung cấpTrình độ kỹ năng
Đã cập nhật tháng 12, 2025
Bắt Đầu Khóa Học Miễn Phí
PythonMachine Learning
4 gio
15 video
49 Bài tập
4,050 XP
280K+
Giấy chứng nhận Thành tích

Tạo Tài Khoản Miễn Phí

Tiếp tục với GoogleHiển thị thêm tùy chọn

hoặc


Bằng cách tiếp tục, bạn chấp nhận Điều khoản sử dụng, Chính sách bảo mật và việc dữ liệu của bạn được lưu trữ tại Hoa Kỳ.

Được người học tại hàng ngàn công ty yêu thích

Group

Đào tạo một đội ngũ?

Dùng thử cho Doanh nghiệp

Mô tả khóa học

Nâng cao kỹ năng Machine Learning của bạn với scikit-learn và khám phá cách dùng thư viện Python phổ biến này để huấn luyện mô hình bằng dữ liệu gán nhãn. Trong khóa học này, bạn sẽ học cách tạo ra những dự đoán mạnh mẽ, như khách hàng có rời bỏ doanh nghiệp của bạn hay không, một cá nhân có mắc tiểu đường hay không, và thậm chí phân loại thể loại của một bài hát. Với các bộ dữ liệu thực tế, bạn sẽ biết cách xây dựng mô hình dự đoán, tinh chỉnh tham số, và đánh giá khả năng mô hình hoạt động với dữ liệu chưa từng thấy.Video có bản chép lời trực tiếp; bạn có thể hiển thị bằng cách nhấp vào "Show transcript" ở góc dưới bên trái của video. Thuật ngữ của khóa học nằm ở phần tài nguyên bên phải.Để nhận tín chỉ CPE, bạn cần hoàn thành khóa học và đạt tối thiểu 70% ở bài đánh giá đủ điều kiện. Bạn có thể truy cập bài đánh giá bằng cách nhấp vào phần giới thiệu tín chỉ CPE ở bên phải.

Điều kiện tiên quyết

Introduction to Statistics in Python
1

Phân loại (Classification)

Trong chương này, bạn sẽ được giới thiệu về bài toán phân loại và cách giải quyết bằng các kỹ thuật học có giám sát. Bạn sẽ học cách chia dữ liệu thành tập huấn luyện và kiểm tra, fit mô hình, dự đoán và đánh giá độ chính xác. Bạn sẽ khám phá mối quan hệ giữa độ phức tạp mô hình và hiệu năng, rồi áp dụng vào bộ dữ liệu churn để phân loại trạng thái rời bỏ của khách hàng một công ty viễn thông.
Bắt Đầu Chương
2

Hồi quy (Regression)

Trong chương này, bạn sẽ được giới thiệu về hồi quy và xây dựng mô hình để dự đoán doanh số bằng một bộ dữ liệu về chi tiêu quảng cáo. Bạn sẽ học cơ chế của hồi quy tuyến tính và các thước đo hiệu năng phổ biến như R-squared và sai số bình phương trung bình căn (RMSE). Bạn sẽ thực hiện k-fold cross-validation và áp dụng regularization cho mô hình hồi quy để giảm rủi ro overfitting.
Bắt Đầu Chương
3

Tinh chỉnh mô hình

Sau khi đã huấn luyện mô hình, giờ bạn sẽ học cách đánh giá chúng. Trong chương này, bạn sẽ được giới thiệu một số chỉ số cùng kỹ thuật trực quan hóa để phân tích hiệu năng mô hình phân loại bằng scikit-learn. Bạn cũng sẽ học cách tối ưu mô hình phân loại và hồi quy thông qua tinh chỉnh siêu tham số (hyperparameter tuning).
Bắt Đầu Chương
Học có giám sát với scikit-learn
Hoàn
Thành

Nhận Giấy Chứng Nhận Hoàn Thành

Thêm chứng chỉ này vào hồ sơ LinkedIn, CV hoặc sơ yếu lý lịch của ban
Chia sẻ trên mạng xã hội và trong đánh giá hiệu suất của ban
Đăng ký ngay

Tham gia cùng hơn 19 triệu học viên và bắt đầu Học có giám sát với scikit-learn ngay hôm nay!

Tạo Tài Khoản Miễn Phí

Tiếp tục với GoogleHiển thị thêm tùy chọn

hoặc


Bằng cách tiếp tục, bạn chấp nhận Điều khoản sử dụng, Chính sách bảo mật và việc dữ liệu của bạn được lưu trữ tại Hoa Kỳ.

Phát triển kỹ năng dữ liệu với DataCamp cho thiết bị di động

Tiến bộ mọi lúc mọi nơi với các khóa học cho thiết bị di động và thử thách lập trình 5 phút hằng ngày.