This beginner-to-intermediate Specialization takes you from Python setup and numerical computing to building, tuning, and explaining machine learning and deep learning models. Across three courses, you’ll master data wrangling with NumPy, visualization with Matplotlib and Seaborn, model evaluation and feature engineering, clustering and classification, and NLP workflows using NLTK. The curriculum is project-based and aligned with industry workflows so you graduate with portfolio-ready artifacts that showcase applied AI skills.
Spécialisation Artificial Intelligence with Python: Foundations to Projects
Spécialisation Artificial Intelligence with Python: Foundations to Projects
Hands-On Machine Learning With Python. Master data handling, ML algorithms, deep learning, and NLP by building real-world AI projects.
Instructeur : EDUCBA
Inclus avec 
Approfondissez votre connaissance d’un sujet
niveau Débutant
Expérience recommandée
1 mois à raison de 10 heures par semaine
Planning flexible
Obtenir une qualification professionnelle
Partagez votre expertise avec les employeurs
Approfondissez votre connaissance d’un sujet
niveau Débutant
Expérience recommandée
1 mois à raison de 10 heures par semaine
Planning flexible
Obtenir une qualification professionnelle
Partagez votre expertise avec les employeurs
Ce que vous apprendrez
Set up Python AI environments and create analytical visuals with NumPy, Matplotlib, and Seaborn.
Build, evaluate, and explain supervised, unsupervised, and deep learning models in Python.
Design NLP pipelines with NLTK and present end-to-end AI solutions using reproducible notebooks.
Vue d'ensemble
Compétences que vous acquerrez
Outils que vous découvrirez
Ce qui est inclus
Certificat partageable
Ajouter à votre profil LinkedIn
Enseigné en Anglais
Récemment mis à jour !
septembre 2025
31 exercices pratiques
Améliorez votre expertise en la matière
- Acquérez des compétences recherchées auprès d’universités et d’experts du secteur
- Maîtrisez un sujet ou un outil avec des projets pratiques
- Développez une compréhension approfondie de concepts clés
- Obtenez un certificat professionnel auprès de EDUCBA
Spécialisation - série de 3 cours
Ce que vous apprendrez
Set up Python environments with Anaconda and Jupyter.
Manipulate and analyze data efficiently using NumPy.
Create clear, insightful visualizations with Matplotlib & Seaborn.
Compétences que vous acquerrez
NumPy, Jupyter, Package and Software Management, Seaborn, Matplotlib, Box Plots, Heat Maps, Histogram, Data Visualization Software, Data Manipulation, Scatter Plots et Development Environment
Ce que vous apprendrez
Analyze datasets and apply key ML algorithms in Python.
Evaluate classifiers and perform dimensionality reduction.
Build deep learning models with TensorFlow, Keras, and PyTorch.
Compétences que vous acquerrez
Statistical Analysis, Machine Learning, Tensorflow, Dimensionality Reduction, Artificial Intelligence, Scikit Learn (Machine Learning Library), Feature Engineering, Deep Learning, PyTorch (Machine Learning Library), Python Programming, Predictive Modeling, Jupyter, Keras (Neural Network Library), Data Manipulation, Exploratory Data Analysis, Matplotlib, Supervised Learning, Data Cleansing, Applied Machine Learning et Unsupervised Learning
Ce que vous apprendrez
Apply predictive analytics and ML algorithms to real problems.
Analyze clustering, classification, and NLP pipelines in Python.
Construct AI solutions using logic, rules, and search strategies.
Compétences que vous acquerrez
Predictive Analytics, Python Programming, Applied Machine Learning, Supervised Learning, Natural Language Processing, Computational Logic, Unsupervised Learning, Random Forest Algorithm, Machine Learning Algorithms, Algorithms, Data Processing, Unstructured Data, Text Mining, Artificial Intelligence, Scikit Learn (Machine Learning Library), Data Science et Predictive Modeling
Obtenez un certificat professionnel
Ajoutez ce titre à votre profil LinkedIn, à votre curriculum vitae ou à votre CV. Partagez-le sur les médias sociaux et dans votre évaluation des performances.
Comparer avec des produits similaires
| Évaluation | ||||
|---|---|---|---|---|
| Niveau | ||||
| Compétences | ||||
| Outils | ||||
| Dernière mise à jour | ||||
| Nombre d'exercices pratiques | ||||
| Éligibilité au diplôme | ||||
| Partie de Coursera Plus |
Vous aimerez peut-être aussi
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
This self-paced Specialization typically takes 9–10 weeks at 3–4 hours per week (≈ 27–40 hours). Weeks 1–3 cover Python setup, NumPy, and Matplotlib/Seaborn with a mini visualization project; Weeks 4–6 focus on supervised/unsupervised ML and MLPs (TensorFlow/Keras/PyTorch) with a model-comparison notebook; Weeks 7–9 apply predictive analytics and NLP (clustering, classification, NLTK) in an end-to-end project. Week 10 is a buffer to refine notebooks and polish portfolio-ready docs. Plan for two 90-minute sessions weekly; fast-track in 7–8 weeks if experienced, or extend to 12 weeks for a lighter pace.
Basic Python (variables, lists, loops, functions) and comfort with Jupyter/Anaconda are recommended. High-school math (algebra, functions, basic statistics) is sufficient; light familiarity with vectors/matrices and probability helps but isn’t required. No prior AI/ML experience is assumed.
Yes—complete them sequentially for the best experience. If you already use NumPy and can create plots in Matplotlib/Seaborn, you may start at Course 2; if you’ve trained and evaluated classifiers before, you can jump to Course 3.
Plus de questions
Aide financière disponible,