ACADGILD

Μάθημα δεδομένων επιστημών

• Εντατικό πρόγραμμα 6 μηνών
• Συνεργαζόμενες αναθέσεις με τους Mentors
• Στατιστικά Μάστερ, Μηχανική Μάθηση, Βαθιά Μάθηση και AI
• Μάθετε εργαλεία όπως το Python, το TensorFlow, το Spark, το R και το Tableau

ΔΙΑΡΚΕΙΑ/>

24 εβδομάδες

ΠΡΟΣΠΑΘΕΙΑ

10-15 ώρες / Εβδομάδα

ΚΑΡΙΕΡΑ

Αναλυτής Επιχειρήσεων, Αναλυτής Δεδομένων, Αρχιτέκτονας Δεδομένων, Διαχειριστής Δεδομένων, Διαχειριστής Δεδομένων, Data Scientist

Το μάθημα διδάσκει στατιστικά στοιχεία για επιχειρηματική ανάλυση, αλγόριθμους μηχανικής μάθησης, βαθιά μάθηση με το TensorFlow και προγραμματισμό με Python. Θα σας βοηθήσει να εξερευνήσετε, να αναλύσετε και να ερμηνεύσετε διαφορετικά είδη δεδομένων./>

Γιατί πρέπει να ακολουθήσετε αυτό το μάθημα/>

ACADGILD εμπειρία του ACADGILD/>

Τι θα μάθετε σε αυτό το μάθημα/>

• Προγραμματισμός σε Python και R
• Πύθων
• Υπό προϋποθέσεις και βρόχοι
• Στοιχεία συμβολοσειράς και λίστας
• Λειτουργίες
• Εξαίρεση
• Προγραμματισμός βάσης δεδομένων
  * Οι συνεδρίες για το R δεν είναι ζωντανές, αλλά αυτο-ρυθμιζόμενες
  • Πύθων
  • Υπό προϋποθέσεις και βρόχοι
  • Στοιχεία συμβολοσειράς και λίστας
  • Λειτουργίες
  • Εξαίρεση
  • Προγραμματισμός βάσης δεδομένων
    * Οι συνεδρίες για το R δεν είναι ζωντανές, αλλά αυτο-ρυθμιζόμενες
• Διαφωνία δεδομένων

• Ανάγνωση αρχείων CSV, JSON, XML και HTML χρησιμοποιώντας Python
• NumPy
• Βιβλιοθήκες Scipy
• Φόρτωση, καθαρισμός, μετατροπή, συγχώνευση και αναμόρφωση δεδομένων
• Στατιστικές και πιθανότητες

• Περιγραφικά στατιστικά
• Επαγωγική στατιστική
• Δοκιμασία υποθέσεων
• Στατιστικές έννοιες στην Python
• Μοντέλα μηχανικής μάθησης με Python

• Δημιουργία μοντέλων με χρήση αλγορίθμων
• Γραμμική και υλικοτεχνική παλινδρόμηση
• Δέντρα αποφάσεων
• Μηχανές φορέα υποστήριξης (SVM)
• Τυχαία δάση
• XGBoost
• K πλησιέστερο γείτονα
• Ανάλυση βασικού στοιχείου
• Αναλύσεις κειμένου και πρόβλεψη χρονολογικών σειρών
• Βαθιά μάθηση χρησιμοποιώντας το TensorFlow

• Εισαγωγή στη βαθιά μάθηση
• Κατανόηση του νευρικού δικτύου μέσω του TensorFlow
• Περιελιγμός
• Οπτικοποίηση δεδομένων χρησιμοποιώντας Matplotlib και Tableau

• Διαδραστικές απεικονίσεις με το Matplotlib,
• Απεικόνιση δεδομένων χρησιμοποιώντας Tableau
• Πίνακας ταμπλό και πίνακας προβολής
• Ενσωμάτωση Tableau και R
  Οι συνεδρίες στο Tableau δεν είναι ζωντανές, αλλά με ρυθμό μόνο
• Διαχείριση μεγάλων δεδομένων με Spark

• Εισαγωγή στα μεγάλα δεδομένα
• RDD στο Spark, πλαίσια δεδομένων
• Spark streaming, MLib