Kursplan

Dag 1

  • Data Science: en översikt
  • Praktisk del: Låt oss komma igång med Python - Grundläggande funktioner i språket
  • Datavetenskapens livscykel - del 1
  • Praktisk del: Arbeta med strukturerad data - biblioteket Pandas

Dag 2

  • Datavetenskapens livscykel - del 2
  • Praktisk del: hantera verkliga data
  • Datavisualisering
  • Praktisk del: Matplotlib-biblioteket

Dag 3

  • SQL - del 1
  • Praktisk del: Skapa en MySql-databas med tabeller, infoga data och utföra enkla frågor
  • SQL del 2
  • Praktisk del: Integrering av MySql och Python

Dag 4

  • Övervakat lärande del 1
  • Praktisk del: regression
  • Övervakat lärande del 2
  • Praktisk del: klassificering

Dag 5

  • Övervakat lärande del 3
  • Praktisk del: bygga ett spamfilter
  • Oövervakat lärande
  • Praktisk del: Klustring av bilder med k-medel

Krav

  • En förståelse för matematik och statistik.
  • Viss programmeringserfarenhet, gärna inom Python.

Publik

  • Proffs som är intresserade av att göra ett karriärbyte
  • Människor som är nyfikna på Data Science och Data Analytics
 35 timmar

Antal deltagare



Price per participant

Vittnesmål (4)

Relaterade Kurser

Kaggle

14 timmar

Accelerating Python Pandas Workflows with Modin

14 timmar

GPU Data Science with NVIDIA RAPIDS

14 timmar

Anaconda Ecosystem for Data Scientists

14 timmar

Introduction to Data Science and AI using Python

35 timmar

Big Data Business Intelligence for Telecom and Communication Service Providers

35 timmar

A Practical Introduction to Data Science

35 timmar

Data Science for Big Data Analytics

35 timmar

Data Science essential for Marketing/Sales professionals

21 timmar

F# for Data Science

21 timmar

Jupyter for Data Science Teams

7 timmar

Data Science with KNIME Analytics Platform

21 timmar

Data Science Implementation Management using KNIME Server

14 timmar

MATLAB Fundamentals, Data Science & Report Generation

35 timmar

Presto for Data Science

14 timmar

Relaterade Kategorier