Premium: Specjalizacja Data Science

9 modułowy Program na zdobycie najbardziej atrakcyjnego Zawodu XXI wieku.

O programie:

Racjonalny i prosty sposób zdobycia praktycznych umiejętności w obszarze Data Science. Lekcje będą dostępne w formie wideo. W dowolny dzień tygodnia i o dowolnej godzinie, możesz wrócić do lekcji lub odświeżyć swoją wiedzę korzystając z dostępu do funkcjonalnej platformy.

• Kompleksowość: Opanujesz zestaw narzędzi pozwalający rozwiązywać złożone zadania w optymalny sposób i być bardziej konkurencyjnym/-ą na rynku pracy.
• Praktyka: Niemal każdy obszar tematyczny zawiera przykłady do rozwiązania, bez konieczności posiadania przez Ciebie doświadczenia. Pokażemy jak programować wykorzystując Python i R.
• Teoria: Oparta na przykładach, co uprości proces zrozumienia i utrwalenia Twojej wiedzy. Bez skomplikowanych wzorów matematycznych.
• Społeczność i wsparcie: Dołączając do programu automatycznie zostaniesz częścią społeczności, która pomoże Ci w rozwoju i osiągnięciach zawodowych. Także w ciągu całego programu masz wsparcie mentorów, którzy pomogą skutecznie doskonalić Twoje umiejętności.​
• Serie webinarów: Dostaniesz wsparcie w trakcie realizacji programu oraz dostęp do cyklów webinarów, gdzie razem z ekspertami poruszamy tematy związane z Data Science.​
• Unikatowe materiały: Dostęp do unikatowych webinarów i szkoleń od partnerów w obszarze Data Science. Lekcje w formie wideo oraz 100% online, w dowolnym czasie możesz wrócić i odświeżyć swoją wiedzę.

Agenda: 

Moduł 1 – Wstęp
Zapoznasz się z obszarem Data Science, poznasz terminologię oraz zachodzące procesy. Główne tematy:
– Czym jest oraz do czego służy Data Science?
– Obszary Data Science. Jakie nowe role się tworzą?
– Kim jest Data Scientist?
– Jakich narzędzi warto używać?
– Gdzie pracuje oraz ile zarabia Data Scientist?
– Błędy początkujących

Moduł 2 – Programowanie
Rozwiniesz umiejętności programowania dla pracy z danymi i poznasz proces tworzenia zapytań do bazy danych. Główne tematy:
– Dlaczego warto i jak korzystać z Python i R?
– Jupyter Notebook i alternatywy
– Konfiguracja środowiska
– Interfejs i funkcjonalność Jupyter Notebook
– Typy danych i zmienne
– Operatory i instrukcje warunkowe
– Funkcje i sekwencje

Moduł 3 – Praca z danymi
Dowiesz się, skąd brać dane, jak poprawnie podejść do procesu analizy oraz jak uzupełniać braki danych. Główne tematy:
– Czym są dane? Kiedy dane możemy nazwać “Big Data”?
– Gdzie szukać danych?
– Wczytywanie różnego formatu danych
– Poznanie funkcjonalności i zapytań SQL
– Przekształcenia danych
– Operacje na danych ilościowych i jakościowych
– Operacje na datach, godzinach i danych tekstowych
– Łączenie, uzupełnianie i usuwanie braków danych

Moduł 4 – Wizualizacja
Nauczysz się budować dashboardy wykorzystując narzędzia Business Intelligence. Główne tematy:
– Zasady i metody wizualizacji danych.
– Business Intelligence i narzędzia
– Wizualizacja danych w Python
– Wizualizacja danych w R
– Możliwości Microsoft PowerBI
– Jak przygotować swój pierwszy raport w Microsoft PowerBI?

Moduł 5 – Statystyka i Matematyka
Zrozumiesz podstawowe zasady prawdopodobieństwa, statystyki i matematyki do modelowania i testowania hipotez. Główne tematy:
– Wyjaśnienie podstawowych pojęć
– Podstawy rachunku prawdopodobieństwa
– Populacja a próbka
– Operacje na macierzach
– Podstawy statystyki opisowej
– Podstawy wnioskowania statystycznego
– Testowanie hipotez

Moduł 6 – Uczenie Maszynowe
Poznasz klasyczne algorytmy i możliwość ich zastosowania wykorzystując realne dane. Główne tematy:
– Czym jest Uczenie Maszynowe?
– Rodzaje i proces tworzenia projektu Uczenia Maszynowego
– Czym jest algorytm?
– Jak dobrać algorytm ML w zależności od problemu?
– Feature engineering
– Czyszczenie i uzupełnienie danych
– Przygotowanie danych do modelowania
– Poznanie metod regresji, klasyfikacji, klasteryzacji oraz redukcji wymiarów
– Ocena i wybór najlepszego modelu
– Zbudowanie sieci neuronowej

Moduł 7 – Kontrola wersji
Poznasz, jak i dlaczego warto korzystać z Git. Stworzysz swój własny repozytorium z projektami. Główne tematy:
– Dlaczego warto używać Git?
– Zasada działania i bazowe funkcje w Git
– Tworzenie własnego repozytorium GitHub
– Kontrola wersji

Moduł 8 – Skrapowanie
Nauczysz się przeprowadzać ekstrakcję i przetwarzanie danych ze stron internetowych. Główne tematy:
– Web Scraping
– API
– HTML
– Atrybuty Tagów
– Jak przygotować swój pierwszy skraper?
– Jak skrapować wiele stron naraz?

Moduł 9 – Podsumowanie
Podsumujemy zdobytą wiedze i umiejętności. Zrealizujesz swój własny projekt Data Science. Główne tematy:
– Określenie problemu do rozwiązania
– Pozyskanie danych
– Analiza zebranych danych
– Przygotowanie danych
– Wybór algorytmu i przygotowanie modelu uczenia maszynowego
– Ocena i polepszenie wyników modelu
– Wdrożenie modelu

Trener:

Nikolay Pavlenko: Lead Data Scientist & AI Inżynier / Keynote Speaker / Trener 

Wiodący Data Scientist w dużej międzynarodowej korporacji z obszaru konsultingu i technologii informatycznych. Poprzednio bankier i CFO w startupie. Z sukcesem realizuje projekty w obszarach: bankowości, energetyki, automotive, marketingu, edukacji i startupów. Wierzy, że Program na zawsze zmieni świadomość o Data Science i Sztucznej Inteligencji oraz przybliży praktyczne wykorzystanie w polskich firmach. Więcej o trenerze…

Kontakt: kontakt@akademiadatascience.com