Is this course really 100% online? Do I need to attend any classes in person?

This course is completely online, so there’s no need to show up to a classroom in person. You can access your lectures, readings and assignments anytime and anywhere via the web or your mobile device.

What is the refund policy?

If you subscribed, you get a 7-day free trial during which you can cancel at no penalty. After that, we don’t give refunds, but you can cancel your subscription at any time. See our full refund policy.

Can I just enroll in a single course?

Yes! To get started, click the course card that interests you and enroll. You can enroll and complete the course to earn a shareable certificate. When you subscribe to a course that is part of a Specialization, you’re automatically subscribed to the full Specialization. Visit your learner dashboard to track your progress.

Is financial aid available?

Yes. In select learning programs, you can apply for financial aid or a scholarship if you can’t afford the enrollment fee. If fin aid or scholarship is available for your learning program selection, you’ll find a link to apply on the description page.

Can I take the course for free?

No, you cannot take this course for free. When you enroll in the course, you get access to all of the courses in the Specialization, and you earn a certificate when you complete the work. If you cannot afford the fee, you can apply for financial aid.

Will I earn university credit for completing the Specialization?

This Specialization doesn't carry university credit, but some universities may choose to accept Specialization Certificates for credit. Check with your institution to learn more.

Spécialisation Artificial Intelligence with Python: Foundations to Projects

Ce spécialisation n'est pas disponible en Français (France)

Nous sommes actuellement en train de le traduire dans plus de langues.

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 Coursera Plus

Série de 3 cours

Approfondissez votre connaissance d’un sujet

niveau Débutant

Expérience recommandée

4 semaines à compléter

à 10 heures par semaine

Planning flexible

Apprenez à votre propre rythme

Série de 3 cours

Approfondissez votre connaissance d’un sujet

niveau Débutant

Expérience recommandée

4 semaines à compléter

à 10 heures par semaine

Planning flexible

Apprenez à votre propre rythme

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.

Compétences que vous acquerrez

Catégorie : PyTorch (Machine Learning Library)
Catégorie : Python Programming
Catégorie : Random Forest Algorithm
Catégorie : Keras (Neural Network Library)
Catégorie : Tensorflow
Catégorie : Data Analysis
Catégorie : Seaborn
Catégorie : Scatter Plots
Catégorie : Statistical Visualization
Catégorie : Deep Learning
Catégorie : Data Science
Catégorie : Supervised Learning

Détails à connaître

Certificat partageable

Ajouter à votre profil LinkedIn

Enseigné en Anglais

Récemment mis à jour !

septembre 2025

Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées

En savoir plus sur Coursera pour les affaires

logos de Petrobras, TATA, Danone, Capgemini, P&G et L'Oreal

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

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.

Projet d'apprentissage appliqué

You’ll complete end-to-end, notebook-driven projects that mirror real analytics and AI tasks: explore and clean datasets, engineer features, train and compare classifiers, cluster unlabeled data, and deploy multilayer perceptrons. You’ll also build an NLP pipeline (tokenization, NER, parsing) and present results with clear visuals and documentation—just like you would for stakeholders.

AI Foundations with Python: Build & Visualize

COURS 15 heures

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

Catégorie : Matplotlib

Catégorie : Seaborn

Catégorie : Jupyter

Catégorie : NumPy

Catégorie : Development Environment

Catégorie : Data Visualization Software

Catégorie : Statistical Visualization

Catégorie : Heat Maps

Catégorie : Box Plots

Catégorie : Data Manipulation

Catégorie : Scatter Plots

Catégorie : Histogram

Catégorie : Exploratory Data Analysis

AI with Python: Apply & Implement ML Models

COURS 27 heures

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

Catégorie : Statistical Analysis

Catégorie : Python Programming

Catégorie : Machine Learning

Catégorie : Feature Engineering

Catégorie : Deep Learning

Catégorie : Artificial Intelligence

Catégorie : Dimensionality Reduction

Catégorie : Scikit Learn (Machine Learning Library)

Catégorie : Tensorflow

Catégorie : PyTorch (Machine Learning Library)

Catégorie : Jupyter

Catégorie : Supervised Learning

Catégorie : Unsupervised Learning

Catégorie : Applied Machine Learning

Catégorie : Data Manipulation

Catégorie : Predictive Modeling

Catégorie : Exploratory Data Analysis

Catégorie : Keras (Neural Network Library)

Catégorie : Matplotlib

Catégorie : Data Cleansing

AI & Predictive Analytics with Python

COURS 310 heures

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

Catégorie : Predictive Analytics

Catégorie : Natural Language Processing

Catégorie : Unsupervised Learning

Catégorie : Supervised Learning

Catégorie : Random Forest Algorithm

Catégorie : Python Programming

Catégorie : Machine Learning Algorithms

Catégorie : Computational Logic

Catégorie : Applied Machine Learning

Catégorie : Predictive Modeling

Catégorie : Unstructured Data

Catégorie : Text Mining

Catégorie : Data Science

Catégorie : Algorithms

Catégorie : Artificial Intelligence

Catégorie : Scikit Learn (Machine Learning Library)

Catégorie : Data Processing

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.

Instructeur

EDUCBA

355 Cours115 433 apprenants

Offert par

EDUCBA

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

Découvrir les diplômes

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.

You’ll set up a Python AI stack and wrangle data with NumPy, then create clear analytics visuals with Matplotlib/Seaborn. You’ll build, tune, and explain supervised and unsupervised ML models (e.g., logistic regression, SVMs, clustering), implement MLPs with TensorFlow/Keras/PyTorch, and evaluate models with metrics like confusion matrices and clustering scores. You’ll also design an NLP pipeline in NLTK (tokenization, NER, parsing) and deliver portfolio-ready, reproducible notebooks that communicate findings to stakeholders.