Andmed löövad silmad särama?

Mida õpid meie andmeteaduse kursusel

Süsteemitööriistad ja GIT-juhtimissüsteem

Süsteemitööriistad on kasulike tehnikate kogum süsteemi käitamiseks käskude abil. Iga endast lugupidav andmeteaduse professionaal peaks teadma, kuidas konsooli kasutada. Meie õpetame teile, kuidas seda teha.

Samuti saate teada, kuidas kasutada GIT-i versiooni kontrollisüsteemi, mis toetab sujuvat meeskonnatööd.

Python andmeteaduses

Python on kõige populaarsem andmeteaduses kasutatav keel. Pythonil on suurim arv teeke ja raamistikke, mis täidavad paljusid andmeteaduse ülesandeid.

Selles moodulis õpite selgeks Pythoni programmeerimiskeele põhitõed, mis on vajalikud rakenduskoodi arendamiseks.

Statistika ja tõenäosus

Andmeteadus põhineb täielikult matemaatikal. See moodul aitab teil mõista tehteid Numpy teegi abil, kus saate arvutada põhitehteid lineaaralgebras (tehted vektorite/maatriksitega).

Teises osas saad lähemalt teada tõenäosuse kohta, näiteks miks on vaja 90% ühtlusega teste korrata.

Andmekogumite töötlemine

Andmeteadus on andmed, andmed ja rohkem andmeid. Need pärinevad erinevatest allikatest ja on saadaval erinevates vormingutes. Väidetavalt moodustab andmeteaduse spetsialisti tööst 90% andmetöötlus. Sellega on raske mitte nõustuda. Selles moodulis õpitud oskusi kasutate oma tulevases tööelus kõige sagedamini.

Selles osas õpid, kuidas töödelda API kaudu või SQL andmebaasist hangitud andmeid.

Andmete visualiseerimine

Üks graafik võib väljendada rohkem kui tuhat sõna. “Silma järgi” ostvate klientidega töötamise kontekstis on andmete korrektse esitamise oskus äärmiselt oluline.

Selles moodulis saate teada, kuidas luua andmeteaduses töötamiseks vajalikke interaktiivseid diagramme.

Masinaõpe praktikas

Prognoosid hindu börsil?

Millal on parim aeg kodu ostmiseks arvestades ajalooliste hindadega?

Mida saame minevikku teades tuleviku kohta õppida?

Regressioon püüab vastata just nendele küsimustele. See võimaldab ennustada ühe suuruse tundmatuid väärtusi teiste suuruste teadaolevate väärtuste põhjal. Lisaks tutvustab see moodul teile kogu klassikaliste masinõppemeetodite teemat – neid, millel põhinevad paljud kaasaegsed lahendused. Lisaks saate teada klassifitseerimisprobleemidest juhendajaga õppes. Samuti selgitame, mis on juhendajata õpe.

TensorFlow raamatukogu

Õpid kasutama kõige populaarset võrgulahenduste loomise raamistikku. See võimaldab hõlpsalt rakendada etteantud võrguarhitektuuri, õppeprotsessi ja edasisi toiminguid.

Närvivõrgud

Kunstlikud närvivõrgud on struktuurid, mis jäljendavad meie aju struktuure. Meil on sisendsignaal, mida erinevad neuronid töötlevad erinevalt ning genereerivad protsessi lõpus teatud informatsiooni.

See on üks populaarsemaid masinaõppe meetodeid, seega peate seda väga hästi tundma. See võimaldab teil lahendada regressiooni- ja klassifitseerimisprobleeme, ja mitte ainult. Õpetame teile meetodeid selliste võrkude õppimiseks TensorFlow abiga.

Pilditöötlus – arvutinägemine

Kuidas autonoomsed sõidukid töötavad?

Kuidas nad tunnevad ära liiklusmärgid või jalakäijad? Selles moodulis saate teada, kuidas töödelda pildiandmeid.

Kuidas andmeid filtreerida? Millist teavet on võimalik piltidelt saada?

Lisaks õpid kasutama spetsiaalseid närvivõrkude disainilahendusi, mida kasutatakse pildiandmete töötlemiseks. Mõistes ülekande õppimist, saate luua lahendusi, mis selgitavad enamikku pilditöötlusprobleemidest ning palju muud.

Loomuliku keele töötlemine

Alexa ja Siri on kaks näidet häälassistentidest. Kuidas nad mõistavad, mida me neile ütleme?

Selles moodulis saate teada, kuidas käsitleda tekstiandmeid (ja vastuse eelmisele küsimusele).

Jadadega töötamine – korduvad närvivõrgud

Kuidas saavad närvivõrgud arvestavad järjestusi, mitte üksikuid objekte? Kuidas algoritm teab, milline sõna peaks lauses järgmine olema?

Püüame neile küsimustele vastata rekursiivsete närvivõrkude abil.

Praktilised projektid

Kursuse jooksul tuleb teha neli lõputööd. Neist kolm on praktilised projektid (regressioon, klassifikatsioon ja pilditöötlus), mis valmivad kursuse erinevatel etappidel. Viimasena antakse teile kõige mahukam lõputöö.

Üks lõputöö näiteid on COVID-19 prognoos, mis kasutab avalikult kättesaadavaid andmeid.