Прочитать официальное описание

Навыки

Используйте Python для хранения наборов данных и прогнозирования шаблонов.

Стандарт производства

Создавайте статистические модели - регрессию и классификацию, которые генерируют полезную информацию из необработанных данных.

Большая картина

Изучите основы машинного обучения и используйте возможности данных для прогнозирования следующего.

Встречайте свою службу поддержки

Наше образовательное превосходство - это усилия сообщества. Когда вы учитесь в GA, вы всегда можете полагаться на собственную команду экспертов, чтобы обеспечить руководство и поддержку, когда вам это нужно.

Инструкторы

Изучите отраслевые рамки, инструменты, лексику и лучшие практики у преподавателя, чья ежедневная работа предполагает их профессиональное использование.

Помощники по обучению

Взятие нового материала не всегда легко. Через рабочие часы и другие каналы наши ТП здесь предоставят вам ответы, советы и многое другое.

Продюсеры

Наши выпускники любят своих продюсеров, которые держали их в курсе всего курса. Вы можете обратиться за поддержкой в ​​любое время.

Смотрите, что вы узнаете

Раздел 1: Анализ исследований и анализ исследовательских данных

  • Что такое Data Science
    • Опишите учебную программу курса и установите классную среду
    • Ответьте на вопросы: «Что такое наука о данных? Какие роли существуют в науке о данных?»
    • Определите рабочий процесс, инструменты и подходы, которые ученые используют для анализа данных
  • Дизайн исследований и панды
  • Определите проблему и определите соответствующие наборы данных, используя технологический процесс данных
  • Пройдите рабочий процесс в области данных с использованием тематического исследования в библиотеке Pandas
  • Импорт, форматирование и очистка данных с использованием библиотеки Pandas
  • Статистика I
  • Используйте библиотеки NumPy и Pandas для анализа наборов данных с использованием основных сводных статистических данных: среднее, медианное, режимное, максимальное, минимальное, квартильное, межквартильное, диапазон, дисперсия, стандартное отклонение и корреляция
  • Создать визуализацию данных - разброс графиков, матрицу рассеяния, линейный график, блок-пометки и гистограммы - выявление характеристик и тенденций в наборе данных
  • Определите нормальное распределение в наборе данных, используя сводную статистику и визуализацию
  • Статистика Фундаментальный II
  • Объясните разницу между причинностью и корреляцией
  • Протестируйте гипотезу в рамках примерного примера
  • Подтвердите свои результаты, используя статистический анализ (значения p, доверительные интервалы)
  • Выбор инструктора
  • Сосредоточьтесь на теме, выбранной инструктором / классом, чтобы обеспечить более глубокое понимание анализа поисковых данных

Раздел 2: Основы моделирования данных

  • Введение в регрессию
    • Определить моделирование данных и линейную регрессию
    • Разграничение между категориальными и непрерывными переменными
    • Постройте модель линейной регрессии с использованием набора данных, который соответствует предположению о линейности, используя библиотеку scikit-learn
  • Оценка соответствия модели
  • Определить показатели регуляризации, смещения и ошибок;
  • Оцените соответствие модели с помощью функций потерь, включая среднюю абсолютную ошибку, среднюю квадратичную ошибку, среднеквадратичную ошибку
  • Выбор методов регрессии на основе соответствия и сложности
  • Введение в классификацию
  • Определить классификационную модель
  • Постройте K-ближайших соседей, используя библиотеку scikit-learn
  • Оценка и настройка модели с использованием таких показателей, как точность классификации /
  • Введение в логистическую регрессию
  • Постройте модель классификации логистической регрессии, используя библиотеку обучения scikit
  • Опишите сигмоидную функцию, коэффициенты и коэффициенты шансов и то, как они связаны с логистической регрессией
  • Оцените модель с использованием таких показателей, как точность классификации / защита, матрица замешательства, кривые ROC / AOC и функции потерь
  • Общение результатов логистической регрессии
  • Объясните компромисс между точностью и отзывом модели и сформулируйте стоимость ложных срабатываний против ложных негативов.
  • Определите компоненты краткого, убедительного отчета и того, как они относятся к конкретным аудиториям / заинтересованным сторонам
  • Опишите разницу между визуализацией для презентаций и анализом разведочных данных
  • Гибкая сессия класса
  • Сосредоточьтесь на теме, выбранной инструктором / классом, чтобы обеспечить более глубокое понимание моделирования данных

Раздел 3: Наука о данных в реальном мире

  • Деревья принятия решений и случайный лес
    • Опишите разницу между деревьями классификации и регрессии и как интерпретировать эти модели
    • Объясните и сообщите компромиссы между деревьями решений и регрессионными моделями
    • Создание деревьев решений и случайных лесов с использованием библиотеки scikit-learn
  • Обработка естественного языка
  • Продемонстрировать, как маркировать текст естественного языка, используя NLTK
  • Категоризация и тег неструктурированных текстовых данных
  • Объясните, как создать модель классификации текста с использованием NLTK
  • Уменьшение размерности
  • Объясните, как выполнять уменьшение размеров с помощью моделей тем
  • Продемонстрировать, как улучшить данные с использованием скрытого распределения дирихле (LDA)
  • Извлечь информацию из набора данных образца текста
  • Работа с данными временных рядов
  • Объясните, почему данные временных рядов отличаются от других данных и как их учитывать
  • Создавать данные каротажа и данные временных рядов с использованием библиотеки Pandas
  • Выполнение автокорреляции данных временных рядов
  • Создание моделей с данными временных рядов
  • Разделить данные временных рядов на трендовые и остаточные компоненты
  • Проверка и перекрестная проверка данных из разных наборов данных
  • Используйте модель ARIMA для прогнозирования и определения тенденций в данных временных рядов
  • Значение баз данных
  • Опишите варианты использования для разных типов баз данных
  • Объяснить различия между реляционными базами данных и базами данных на основе документов
  • Напишите простые запросы на выбор, чтобы извлекать данные из базы данных и использовать их в Pandas
  • Перемещение с карьерой данных
  • Укажите общие модели, используемые в разных отраслях
  • Определите варианты использования для общих моделей
  • Обсудите следующие шаги и дополнительные ресурсы для обучения науке о данных
  • Гибкая сессия класса
  • Сосредоточьтесь на теме, выбранной инструктором / классом, чтобы обеспечить более глубокое понимание науки о данных в реальном мире
  • Заключительные презентации
  • Представьте окончательную презентацию для сверстников, инструкторов и приглашенных участников, которые будут определять сильные стороны и области для улучшения

Варианты финансирования

Нужна помощь в оплате? Наши варианты финансирования позволяют сосредоточиться на ваших целях, а не на препятствиях, которые мешают вам достичь их.

WeLend

Подать заявку на беспроцентный кредит до 18 месяцев или фиксированную плату в размере до 48 месяцев. »⁵ Должен быть гражданином Гонконга или постоянным жителем.
Варианты финансирования различаются на каждом рынке и доступны только для студентов, принятых в наши программы.
Для получения дополнительной информации обратитесь к местному администратору.

Программа преподается на:
английский

Просмотреть 12 других курсов в General Assembly »

Форма обучения: Campus based
Дата начала
Март 2019
Апр. 2019
Duration
10 Недель
Заочное и вечернее обучение
Цена
3,950 USD
По местоположению
По дате
Дата начала
Янв. 2020
Дата окончания
Сроки подачи документов
Дата начала
Янв. 2020
Дата окончания
Сроки подачи документов
Дата начала
Янв. 2020
Дата окончания
Сроки подачи документов
Дата начала
Сент. 2019
Дата окончания
Сроки подачи документов
Дата начала
Авг. 2019
Дата окончания
Сроки подачи документов
Дата начала
Сент. 2019
Дата окончания
Сроки подачи документов
Дата начала
Сент. 2019
Дата окончания
Сроки подачи документов
Дата начала
Сент. 2019
Дата окончания
Сроки подачи документов
Дата начала
Сент. 2019
Дата окончания
Сроки подачи документов
Дата начала
Сент. 2019
Дата окончания
Сроки подачи документов
Дата начала
Сент. 2019
Дата окончания
Сроки подачи документов
Дата начала
Сент. 2019
Дата окончания
Сроки подачи документов
Дата начала
Сент. 2019
Дата окончания
Сроки подачи документов
Дата начала
Сент. 2019
Дата окончания
Сроки подачи документов
Дата начала
Март 2019
Дата окончания
Сроки подачи документов
Дата начала
Апр. 2019
Дата окончания
Сроки подачи документов
Дата начала
Сент. 2019
Дата окончания
Сроки подачи документов
Дата начала
Февр. 2020
Дата окончания
Сроки подачи документов
Дата начала
Сент. 2019
Дата окончания
Сроки подачи документов
Дата начала
Сент. 2019
Дата окончания
Сроки подачи документов
Дата начала
Сент. 2019
Дата окончания
Сроки подачи документов
Дата начала
Сент. 2019
Дата окончания
Сроки подачи документов
Дата начала
Сент. 2019
Дата окончания
Сроки подачи документов
Дата начала
Сент. 2019
Дата окончания
Сроки подачи документов
Дата начала
Сент. 2019
Дата окончания
Сроки подачи документов
Дата начала
Авг. 2019
Дата окончания
Сроки подачи документов

Март 2019

Апр. 2019

Авг. 2019

Location
Сроки подачи документов
Дата окончания
Location
Сроки подачи документов
Дата окончания

Сент. 2019

Location
Сроки подачи документов
Дата окончания

Янв. 2020

Location
Сроки подачи документов
Дата окончания
Location
Сроки подачи документов
Дата окончания

Февр. 2020

Прочее