...
← Curs Machine Learning și AI pentru începători
Lecțiile 281–350

Continuă cu Junior ML Engineer

Primele 15 lecții din Curs Machine Learning și AI pentru începători sunt gratuite, fără card. Începe cu ele și vezi dacă ți se potrivește înainte să plătești ceva.

Începe gratuit de la lecția 1 →

Academia Programatorilor
Diplomă de absolvire Seria PREVIZUALIZARE

Se certifică faptul că

Numele tău

a absolvit integral Curs Machine Learning și AI pentru începători, cu toate cele 350 de lecții interactive finalizate și exercițiile verificate automat.

Diplomă Junior Machine Learning Engineer
Tudor Dumitrescu Tudor Dumitrescu Fondator · Trainer & formator autorizat
Data emiterii 19 noiembrie 2026 Verificare online academiaprogramatorilor.ro/certificat/PREVIZUALIZARE/
La finalul modulului primești Diplomă Junior Machine Learning Engineer
Lecția 323 · Junior ML Engineer

Proiect churn (3/6): primele modele

Datele sunt pregătite. Acum compari mai mulți candidați, corect: același pipeline de preprocesare, aceeași validare încrucișată stratificată, aceleași metrici. Pornești de la un baseline care nu învață nimic, apoi încerci regresia logistică, pădurea aleatoare și gradient boosting. La final ai un tabel comparativ din care alegi modelul pe care îl optimizezi în lecția următoare.

Modulul proiectului: churn.py

Codul din lecția trecută stă acum în churn.py (îl vezi în lista de fișiere). Lecțiile 323–325 îl importă cu import churn:

"""Proiectul churn: încărcarea datelor, caracteristicile și preprocesarea (din lecția 322)."""
import pandas as pd
from sklearn.compose import make_column_transformer
from sklearn.pipeline import make_pipeline
from sklearn.impute import SimpleImputer
from sklearn.preprocessing import StandardScaler, OneHotEncoder
Exercițiul lecției

Compară cei 4 candidați (baseline, regresie logistică, pădure aleatoare, gradient boosting) cu validare încrucișată și afișează un tabel sortat după AUC.

  • Definește dicționarul modele cu Baseline (DummyClassifier(strategy="most_frequent")), Logistic (LogisticRegression(max_iter=1000)), RandomForest (RandomForestClassifier(n_estimators=100, random_state=42)) și GradientBoosting (GradientBoostingClassifier(random_state=42)).
  • Pentru fiecare, rulează cross_validate(make_pipeline(churn.preprocesare(), m), X_train, y_train, cv=cv, scoring=METRICI) și păstrează media fiecărei metrici.
  • Construiește un DataFrame cu coloanele model, recall, precizie, f1, auc, rotunjit la 3 zecimale, sortat descrescător după auc, și afișează-l cu to_string(index=False).
  • Afișează Cel mai bun după AUC: ....

Restul explicațiilor, editorul și verificarea automată se deblochează cu Junior ML Engineer.

Ce urmează în curs

  1. Matematica pentru ML cu numpy Lecțiile 16–80 · 65 de lecții certificat
  2. Regresie și clasificare Lecțiile 81–140 · 60 de lecții certificat
  3. Modele avansate și evaluare Lecțiile 141–210 · 70 de lecții certificat
  4. Rețele neuronale și NLP Lecțiile 211–280 · 70 de lecții certificat
  5. Junior ML Engineer Lecțiile 281–350 · 70 de lecții certificat

Ce primești

  • Lecții interactive în limba română, cu cod scris și rulat direct în browser
  • Exerciții verificate automat, cu feedback pe loc
  • Certificat la finalul fiecărui modul, verificabil online
  • Acces pe viață, în ritmul tău, fără abonament

4,9 din 5 · 128 de recenzii Google

Foarte profi si utile cursurile. Practica aplicata si explicata de traineri inarmati cu rabdare si cunostine solide.
Iulian Pahom
Cursuri foarte utile si profesori foarte pregatiti. Recomand cu toata increderea.
Catalina Ioana Dan
Super usor de inteles. Cursurile de programare video onlinesunt foarte bine explicate
Laura Chiriazi
Toate recenziile pe Google