This hands-on course equips learners with the foundational knowledge and practical skills required to build and evaluate supervised machine learning models using Python. Designed around the real-world Titanic dataset, the course walks learners through the complete machine learning pipeline—from project setup and lifecycle understanding to model deployment readiness.
Python: Logistic Regression & Supervised ML
Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.
3 heures à compléter
Planning flexible
Apprenez à votre propre rythme
Compétences que vous acquerrez
- Catégorie : Applied Machine Learning
- Catégorie : Scikit Learn (Machine Learning Library)
- Catégorie : Pandas (Python Package)
- Catégorie : Machine Learning
- Catégorie : NumPy
- Catégorie : Machine Learning Algorithms
- Catégorie : Feature Engineering
- Catégorie : Decision Tree Learning
- Catégorie : Data Cleansing
- Catégorie : Data Analysis
- Catégorie : Data Manipulation
- Catégorie : Classification And Regression Tree (CART)
- Catégorie : Supervised Learning
- Catégorie : Statistical Modeling
- Catégorie : Exploratory Data Analysis
- Catégorie : Predictive Modeling
Détails à connaître
Certificat partageable
Ajouter à votre profil LinkedIn
Récemment mis à jour !
septembre 2025
Évaluations
6 devoirs
Enseigné en Anglais
Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées
Il y a 2 modules dans ce cours
This module introduces learners to the foundational concepts and workflows involved in building supervised machine learning models using Python. It covers the real-world context of a data science project using the Titanic dataset, including the project lifecycle, problem definition, essential Python libraries for data analysis, and an overview of key algorithms such as Decision Trees and Logistic Regression. Through hands-on exposure, learners gain the practical knowledge required to begin implementing classification models and understand how to prepare and structure their machine learning pipeline.
Inclus
6 vidéos3 devoirs
This module focuses on the practical steps involved in preparing data for supervised machine learning models. Learners will explore the process of conducting Exploratory Data Analysis (EDA), managing datasets, performing feature engineering, and visualizing insights using Python libraries such as pandas and seaborn. It further guides learners through the model building process, including dataset splitting, performance evaluation using confusion matrices, and applying cross-validation techniques to enhance model reliability.
Inclus
8 vidéos3 devoirs
En savoir plus sur Data Analysis
Coursera Project Network
Statut : Essai gratuit
Statut : Essai gratuitEdureka
Statut : Essai gratuitUniversity of Pennsylvania
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?
Felipe M.
Étudiant(e) depuis 2018
’Pouvoir suivre des cours à mon rythme à été une expérience extraordinaire. Je peux apprendre chaque fois que mon emploi du temps me le permet et en fonction de mon humeur.’
Jennifer J.
Étudiant(e) depuis 2020
’J'ai directement appliqué les concepts et les compétences que j'ai appris de mes cours à un nouveau projet passionnant au travail.’
Larry W.
Étudiant(e) depuis 2021
’Lorsque j'ai besoin de cours sur des sujets que mon université ne propose pas, Coursera est l'un des meilleurs endroits où se rendre.’
Chaitanya A.
’Apprendre, ce n'est pas seulement s'améliorer dans son travail : c'est bien plus que cela. Coursera me permet d'apprendre sans limites.’
Ouvrez de nouvelles portes avec Coursera Plus
Accès illimité à 10,000+ cours de niveau international, projets pratiques et programmes de certification prêts à l'emploi - tous inclus dans votre abonnement.
Faites progresser votre carrière avec un diplôme en ligne
Obtenez un diplôme auprès d’universités de renommée mondiale - 100 % en ligne
Rejoignez plus de 3 400 entreprises mondiales qui ont choisi Coursera pour les affaires
Améliorez les compétences de vos employés pour exceller dans l’économie numérique
Foire Aux Questions
To access the course materials, assignments and to earn a Certificate, you will need to purchase the Certificate experience when you enroll in a course. You can try a Free Trial instead, or apply for Financial Aid. The course may offer 'Full Course, No Certificate' instead. This option lets you see all course materials, submit required assessments, and get a final grade. This also means that you will not be able to purchase a Certificate experience.
When you purchase a Certificate you get access to all course materials, including graded assignments. Upon completing the course, your electronic Certificate will be added to your Accomplishments page - from there, you can print your Certificate or add it to your LinkedIn profile.
You will be eligible for a full refund until two weeks after your payment date, or (for courses that have just launched) until two weeks after the first session of the course begins, whichever is later. You cannot receive a refund once you’ve earned a Course Certificate, even if you complete the course within the two-week refund period. See our full refund policy.
Plus de questions
Aide financière disponible,