Data Science and Machine Learning with Python: Panduan Projek Praktikal — PickAClass
4.0 (1) ⏱ 2 jam 36 min 📚 26 pelajaran 🎧 Versi audio

Data Science and Machine Learning with Python: Panduan Projek Praktikal

Kuasai analisis data asas, pembelajaran mesin terselia (supervised) dan tidak terselia (unsupervised), serta kejuruteraan ciri (feature engineering) dengan membina projek klasifikasi dan pengelompokan (clustering) praktikal dalam Python.

  • 💬 Pengajar AI
    Tanya tentang mana-mana pelajaran dan dapatkan jawapan jelas serta-merta, bila-bila masa.
  • 🕐 Mula bila-bila masa
    Tiada jadual atau tarikh akhir — belajar mengikut rentak sendiri, bila-bila masa.
  • 🌐 Dalam bahasa Melayu
    Pelajaran, tugasan dan sijil — semuanya sepenuhnya dalam bahasa anda.

Tentang kursus ini

Data adalah tulang belakang teknologi moden, dan mempelajari cara menganalisisnya serta membina model ramalan (predictive models) adalah salah satu kemahiran paling berharga yang boleh anda perolehi hari ini. Kursus ini menyediakan laluan yang jelas, langkah demi langkah ke dalam dunia sains data dan pembelajaran mesin menggunakan Python. Anda akan beralih daripada seorang pemula kepada pengamal yang yakin dan mampu mengendalikan set data dunia sebenar. Dengan membaca penerangan berstruktur, mengkaji contoh kod yang bersih, dan melalui senario praktikal, anda akan memahami cara membersihkan data, merekayasa ciri (engineer features), dan menggunakan model pembelajaran mesin untuk menyelesaikan cabaran perniagaan sebenar. Apa yang anda akan pelajari: - Fahami konsep teras kecerdasan buatan (artificial intelligence), pembelajaran mesin, dan perbezaan antara pembelajaran terselia (supervised) dan tidak terselia (unsupervised). - Menganalisis dan memanipulasi set data menggunakan pustaka Python asas seperti NumPy dan Pandas. - Visualisasikan trend dan corak data dengan jelas menggunakan Matplotlib dan Seaborn. - Bina dan nilai model pembelajaran terselia untuk klasifikasi dan regresi, termasuk pokok keputusan (decision trees) dan mesin vektor sokongan (support vector machines). - Gunakan teknik pembelajaran tidak terselia, seperti K-means clustering, untuk segmentasi pelanggan dan pemampatan data. - Laksanakan kejuruteraan ciri (feature engineering) dan aliran kerja penyimpanan model moden untuk menyediakan projek anda bagi penggunaan dunia sebenar (real-world deployment). Kursus ini bermula dengan definisi asas dan persediaan persekitaran sebelum membimbing anda melalui manipulasi data, analisis data penerokaan (exploratory data analysis), dan pelaksanaan langkah demi langkah algoritma pembelajaran mesin yang penting. Kursus ini direka untuk pemula mutlak dalam pengaturcaraan Python dan sains data, tidak memerlukan pengalaman terdahulu dalam pembelajaran mesin. Mulakan perjalanan anda ke dalam sains data dan buka kunci kuasa pemodelan ramalan hari ini.

Apa yang anda dapat

  • 📜 Sijil tamat
    Tambah ke profil LinkedIn anda
  • 💬 Tutor AI peribadi
    Tersekat dalam pelajaran? Tanya tutor terbina dalam kamu apa sahaja, bila-bila masa.
  • 🎧 Termasuk versi audio
    Belajar sambil bergerak — tanpa skrin
  • ♾️ Akses seumur hidup
    Kembali bila-bila masa, tiada tamat tempoh
  • 📱 Telefon atau komputer
    Berfungsi di mana-mana, mana-mana peranti
  • 💸 Pulangan 14 hari
    Tanpa soalan
  • Pendek dan fokus
    2 jam 36 min kandungan praktikal

Sijil tamat

Setiap kursus yang anda tamatkan di PickAClass mengeluarkan kelayakan seperti ini — asli, dengan kodnya sendiri, boleh disahkan melalui URL, dan terperinci tentang apa yang sebenarnya ditunjukkan.

P
PickAClass
Profil kemahiran · boleh disahkan
Dokumen
Sijil Kemahiran
Ini mengesahkan bahawa
Nama Penuh
telah berjaya menunjukkan penguasaan
Data Science and Machine Learning with Python: Panduan Projek Praktikal
Kemahiran yang ditunjukkan
Analisis pola tingkah laku
Asas
1.2 jam
Rangka kerja seni bina keputusan
Mahir
1.4 jam
Reka bentuk ujian A/B
Mahir
1.7 jam
Penulisan salinan tingkah laku
Lanjutan
1.9 jam
P
PickAClass — Nama Penuh
Data Science and Machine Learning with Python: Panduan Projek Praktikal
Halaman 2 daripada 2
Perincian prestasi
Ringkasan kerja kursus
Pelajaran selesai 14 / 14
Soalan latihan 26 / 28
Tugasan dihantar 4 (purata 4,5 / 5)
Projek capstone Disemak — 4,6 / 5
Jumlah latihan 6.2 jam
Penanda aras prestasi
Kedudukan kohort 12% teratas daripada 1,625
Masa hingga tamat 11 hari (median: 22)
Skor penguasaan 91 / 100
Skor soalan latihan 94%
Pengesahan kemahiran Laluan Kemahiran disahkan
Sahkan kelayakan ini
pickaclass.com/certificates/PCC-2026-X4F7-AP19
Dikeluarkan di bawah piawaian akademik PickAClass. Tahap kemahiran mencerminkan prestasi dinilai terhadap rubrik kecekapan kursus. Ini kelayakan asli platform ini.

Ulasan (1)

Aarav Sharma SG
★ 4 · 23.07.2026

Ia melebihi jangkaan saya! Strukturnya logik, dan situasi dunia sebenar benar-benar membantu mengukuhkan pembelajaran.

Tulis ulasan

Selepas hantar kami akan meminta anda log masuk — draf disimpan.

Pelajar lain juga mengambil

Soalan lazim

Apa yang saya perlukan untuk mengikuti kursus ini? +

Hanya telefon atau komputer dengan internet. Tiada pemasangan, tiada perkakasan khas.

Bagaimana untuk membayar? +

Dengan kad melalui Stripe. Kami tidak menyimpan butiran kad — Stripe menguruskannya dengan selamat.

Bolehkah saya dapatkan bayaran balik? +

Ya — pulangan penuh dalam 14 hari, tanpa soalan.

Berapa lama saya akan mempunyai akses? +

Selamanya. Setelah membeli, kursus adalah milik anda — boleh lawat semula bila-bila masa.

Adakah saya akan mendapat sijil? +

Ya. Setelah tamat, anda akan menerima sijil yang boleh ditambah ke profil LinkedIn anda.

Direka untuk pelajar dalam
Teknologi Reka bentuk Kewangan Pemasaran Kesihatan Pendidikan Hospitaliti Pembuatan