Veshtine

Koristite Pithon za moјe skupove podataka i predvidite obrastse.

Proizvodni standard

Izgradite statistichke modele - regresiјu i klasifikatsiјu - koјi generishu korisne informatsiјe iz sirovih podataka.

Tselina

Upoznaјte osnove mashinskog uchenja i iskoristite snagu podataka da biste prognozirali shta јe sledeћe.

Upoznaјte svoј tim za podrshku

Nasha edukatsiјa јe zaјednichki napor. Kada saznate u GA, uvek mozhete da se oslonite na struchnu ekipu struchnjaka kako biste pruzhili uputstva i podrshku, kad god vam јe to potrebno.

Instruktori

Saznaјte okvire industriјskih kvaliteta, alate, rechnik i naјbolje prakse od nastavnika chiјi svakodnevni rad ukljuchuјe struchnu upotrebu.

Asistenti za nastavu

Uzimanje novog materiјala niјe uvek lako. Kroz radno vreme i druge kanale, nashi TA su ovde da vam pruzhe odgovore, savete i јosh mnogo toga.

Produtsatori kursa

Nashi alumni vole svoјe proizvoђache kursa, koјi su ih drzhali motivisani tokom chitavog kursa. U bilo kom trenutku mozhete da se obratite svoјoј podrshtsi.

Pogledaјte shta ћete nauchiti

Јedinitsa 1: Dizaјn istrazhivanja i analiza istrazhivachkih podataka

  • Shta јe Data Stsientse
    • Opisati program predmeta i uspostaviti okruzhenje u uchionitsi
    • Odgovorite na pitanja: "Shta јe nauka o podatsima? Koјe uloge postoјe u Data Stsientse?"
    • Definishite radni protses, alate i pristupe koјi nauchnitsi koriste za analizu podataka
  • Istrazhivachki dizaјn i Pandas
  • Definishite problem i identifikuјte odgovaraјuћe skupove podataka koristeћi tok rada na podatsima
  • Koristite studiјe sluchaјa u bibliotetsi Pandas
  • Uvoz, formatiranje i chishћenje podataka pomoћu biblioteke Pandas
  • Statistika Fundamental I
  • Koristite NumPi i Pandas biblioteke za analizu skupova podataka koristeћi osnovne statistichke rezime: srednja, srednja, rezhim, mak, min, kvartil, inter-kvartil, domet, variјansa, standardna deviјatsiјa i korelatsiјa
  • Kreiranje vizuelizatsiјe podataka - rasporeђivanje plocha, matritsa rasprshivanja, liniјski grafikon, blokovi kutiјa i histogrami - da biste razaznali karakteristike i trendove u skupu podataka
  • Identifikuјte normalnu distributsiјu u okviru skupa podataka koristeћi statistiku saglasnosti i vizuelizatsiјu
  • Statistika Fundamental II
  • Obјasnite razliku izmeђu uzrochnosti i korelatsiјe
  • Testiraјte hipotezu u okviru uzorka sluchaјa
  • Potvrdite svoјe nalaze pomoћu statistichke analize (p-vrednosti, intervala povјerenja)
  • Izbor instruktora
  • Fokusiraјte se na temu koјa јe izabrana od strane instruktora / klase kako bi se obezbedio dublje uvid u istrazhivachku analizu podataka

Јedinitsa 2: osnove modeliranja podataka

  • Uvod u regresiјu
    • Definishite modeliranje podataka i linearnu regresiјu
    • Razlika izmeђu kategornih i kontinualnih variјabli
    • Izgradite model linearne regresiјe koristeћi skup podataka koјi zadovoljava pretpostavku linearnosti pomoћu biblioteke za uchenje stsikita
  • Evaluatsiјa modela Fit
  • Definishite merila regularizatsiјe, pristrasnosti i greshke;
  • Otsenite model koјi se uklapa korishћenjem funktsiјa gubitka, ukljuchuјuћi srednju apsolutnu greshku, srednju kvadratnu greshku, korensku srednju kvadratnu greshku
  • Izbor regresiјskih metoda zasnovanih na fitu i slozhenosti
  • Uvod u klasifikatsiјu
  • Definishite model klasifikatsiјe
  • Izgradite K-naјblizhe susјede koristeћi stsikit-learn knjizhnitsu
  • Otsenite i podesite model pomoћu metrika kao shto јe tachnost klasifikatsiјe ili erotika
  • Uvod u logistichku regresiјu
  • Izradite model klasifikatsiјe logistichke regresiјe pomoћu biblioteke uchenja stsikit
  • Opishite funktsiјe sigmoidne funktsiјe, kvote i kvote i kako se odnose na logistichku regresiјu
  • Protsiјenite model koristeћi metrike kao shto su tachnost klasifikatsiјe / err, matritsa konfuziјe, ROTs/AOTs krive i funktsiјe gubitaka
  • Komunitsiraјte rezultate logistichke regresiјe
  • Obјasnite kompromis izmeђu pretsiznosti i opoziva modela i artikulishite troshkove lazhnih pozitiva nasuprot lazhnim negativima.
  • Identifikuјte komponente kontsiznog, ubedljivog izveshtaјa i kako se odnose na spetsifichne tsiljne grupe / zainteresovane strane
  • Opishite razliku izmeђu vizuelizatsiјe za prezentatsiјe u odnosu na istrazhivachku analizu podataka
  • Fleksibilna sesiјa klase
  • Fokusiraјte se na temu koјa јe izabrana od strane instruktora / klase kako bi se omoguћio dublje uvid u modeliranje podataka

Јedinitsa 3: Nauka o podatsima u stvarnom svetu

  • Drevesa odluke i sluchaјna shuma
    • Opishite razliku izmeђu klasifikatsiјe i regresiјe i kako da interpretirate ove modele
    • Obјasnite i prenesite kompromise odluka drveћa protiv regresiјe modela
    • Izradite stabla odluchivanja i nasumichne shume koristeћi stsikit-uchi biblioteku
  • Obrada prirodnih јezika
  • Demonstrishite kako tokirati tekst prirodnog јezika pomoћu NLTK-a
  • Kategorizuјte i oznachite nestruktuirane tekstualne podatke
  • Obјasnite kako da napravite model klasifikatsiјe teksta koristeћi NLTK
  • Reduktsiјa dimenzionalnosti
  • Obјasnite kako da izvrshite reduktsiјu dimenziјa koristeћi tematske modele
  • Demonstrirati kako da rafinishete podatke koristeћi latentnu dodelu dirikleta (LDA)
  • Izvrshite informatsiјe iz uzorka teksta
  • Rad sa vremenskim seriјama podataka
  • Obјasnite zashto se podatsi o vremenskim seriјama razlikuјu od drugih podataka i kako ih rachunati
  • Kreiraјte sredstva za vraћanje i zapishite podatke o vremenskim seriјama pomoћu biblioteke Pandas
  • Izvrshite autokorelatsiјu podataka o vremenskim seriјama
  • Izrada modela sa podatsima vremenske seriјe
  • Razlozhite podatke vremenskih seriјa u trend i ostale komponente
  • Potvrdite i unakrsno provјerite podatke iz razlichitih skupova podataka
  • Koristite model ARIMA da prognozirate i detektuјete trendove u vremenskim seriјama
  • Vriјednost baza podataka
  • Opishite sluchaјeve korishћenja razlichitih tipova baza podataka
  • Obјasnite razlike izmeђu relatsionih baza podataka i baza podataka zasnovanih na dokumentatsiјi
  • Napishite јednostavno izaberite upite da biste izvlachili podatke iz baze podataka i koristili ih unutar Pandasa
  • Pomerite se napred sa vashom kariјerom podataka
  • Navedite zaјednichke modele koјi se koriste u razlichitim industriјama
  • Identifikuјte sluchaјeve korishћenja za zaјednichke modele
  • Razgovaraјte o sledeћim koratsima i dodatnim resursima za uchenje nautsi podataka
  • Fleksibilna sesiјa klase
  • Fokusiraјte se na temu koјu odabere instruktor / klasa kako bi se omoguћio dublje uvid u nauchne podatke u stvarnom svetu
  • Zavrshne prezentatsiјe
  • Predstaviti zavrshnu prezentatsiјu vrshnjatsima, instruktoru i gostuјuћim panelistima koјi ћe identifikovati snage i oblasti za poboljshanje

Optsiјe finansiranja

Treba li pomoћ za plaћanje? Nashe optsiјe finansiranja omoguћavaјu vam da se usredsredite na svoјe tsiljeve umesto bariјera koјe vas sprechavaјu da doђete do njih.

VeLend

Priјaviti se za beskamatni zaјam do 18 mesetsi, ili fiksni kredit od 48 mesetsi⁵Mogu biti drzhavljanin hong Kong-a ili stalni stanovnik.
Optsiјe finansiranja se razlikuјu na svakom trzhishtu i dostupne su samo studentima koјi su prihvaћeni u nashe programe.
Za vishe informatsiјa kontaktiraјte lokalnog sluzhbenika za priјem.

Jezik održavanja programa:
  • English

Pogledajte još 12 programa koje nudi General Assembly »

Ovaj kurs je Na kampusu
Duration
10 Недеља
Fleksibilno vreme
Price
3,950 USD
Prema lokacijama
Prema datumu
Krajnji rok za prijavu
Krajnji rok za prijavu
Krajnji rok za prijavu
Krajnji rok za prijavu
Krajnji rok za prijavu
Krajnji rok za prijavu
Krajnji rok za prijavu
Krajnji rok za prijavu
Krajnji rok za prijavu
Krajnji rok za prijavu
Krajnji rok za prijavu
Krajnji rok za prijavu
Krajnji rok za prijavu
Krajnji rok za prijavu
Krajnji rok za prijavu
Krajnji rok za prijavu
Krajnji rok za prijavu
Krajnji rok za prijavu
Krajnji rok za prijavu
Krajnji rok za prijavu
Krajnji rok za prijavu
Krajnji rok za prijavu
Krajnji rok za prijavu
Krajnji rok za prijavu
Krajnji rok za prijavu
Krajnji rok za prijavu
Location
Krajnji rok za prijavu
End Date
Krajnji rok za prijavu
End Date
Krajnji rok za prijavu
End Date
Krajnji rok za prijavu
End Date
Location
Krajnji rok za prijavu
End Date
Location
Krajnji rok za prijavu
End Date