Andmeteadus: Andmete võimsus tuleviku kujundamiseks

Mida sa õpid

Süsteemi tööriistad ja GIT juhtimissüsteem

Süsteemitööriistad on kasulike tehnikate kogum süsteemi käskude abil kasutamiseks. Iga endast lugupidav andmeteadlane peaks teadma, kuidas konsooli kasutada ja me õpetame teile, kuidas seda teha.

Samuti saate teada, kuidas kasutada GIT-i versioonihaldussüsteemi, mis võimaldab sujuvat koostööd meeskonnas.

Python andmeteaduses

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

Selles moodulis saate selgeks Pythoni põhitõed, mis on vajalikud rakenduse koodi loomiseks.

Statistika ja tõenäosus

Andmeteadus põhineb täielikult matemaatikal. See moodul aitab teil mõista Numpy teegiga tehtavaid tehteid, kus saate arvutada põhitehteid lineaaralgebrast (tehted vektoritel/maatriksitel).

Teises osas saad teada tõenäosusest – näiteks miks on vaja 90% õnnestumisprotsentiga teste korrata.

Andmekogumite töötlemine

Andmeteadus on andmed, andmed ja muud andmed. Andmed pärinevad erinevatest allikatest ja erinevates vormingutes. Nad ütlevad, et 90% andmeteadlase tööst on andmetöötlus. Sellega on raske mitte nõustuda. Selles moodulis omandatud oskused on need, mida kavatsete oma tulevases tööelus kõige sagedamini kasutada.

Õpid, kuidas töödelda API kaudu või SQL andmebaasist alla laaditud andmeid.

Andmete visualiseerimine

Üks diagramm võib antud teema kohta öelda rohkem kui mitu sõna. Võimalus esitada andmeid sobival viisil on väärtuslik silma järgi ostvate klientidega töötamise kontekstis.

Selles moodulis õpid koostama andmeteaduse tööks vajalikke interaktiivseid diagramme.

Masinõpe praktikas

Börsihindade ennustamine?

Õige hetke valimine korteri ostmiseks, võttes arvesse ajaloolisi hindu?

Mida toob tulevik, kui me teame minevikku?

Regressioon püüab neile küsimustele vastata. See võimaldab ennustada ühe suuruse tundmatuid väärtusi teiste teadaolevate väärtuste põhjal. Lisaks tutvustab see moodul kogu klassikaliste masinõppe meetodite ainet – neid, millel põhinevad paljud kaasaegsed lahendused. Samuti saate teada, millised on klassifitseerimisprobleemid juhendatud õppes ja mis on juhendamata õpe.

TensorFlow raamatukogu

Saate teada kõige populaarsema võrgulahenduste loomise raamistiku kohta. See võimaldab hõlpsalt rakendada antud võrguarhitektuuri, selle õppeprotsessi ja järgnevaid 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 – Computer Vision

Kuidas autonoomsed sõidukid töötavad?

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

Kuidas te müra filtreerite? Millist teavet saab piltidelt eraldada?

Lisaks saate teada, kuidas kasutada pildiandmete töötlemiseks kasutatavate närvivõrkude eristruktuure. Mõistes ülekande õppimist, saate luua lahendusi, mis selgitavad enamikku pilditöötlusprobleemidest ja palju muud.

Loomuliku keele töötlemine (NLP)

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

Selles moodulis saate teada, kuidas käsitleda tekstilisi andmeid (ja saate sellele küsimusele vastuse).

Jadadega töötamine – rekursiivsed närvivõrgud

Kuidas saavad närvivõrgud arvestada järjestusi, mitte ühte objekti? Kuidas algoritm teab, milline sõna peaks lauses järgnema?

Püüame neile küsimustele vastata rekursiivsete närvivõrkude abil.

Praktilised projektid

During the course, you will complete four final projects. Three of them are hands-on projects (Regression, Classification, and Image Processing) carried out at different stages of the course. And at the end, you will be tasked with one large final project.

An example of a final project could be a Covid-19 prediction project using publicly available data.