Read the Official Description

Hyvät päätökset perustuvat aina tietoihin

Kehitä asiantuntemusta tietotieteessä hyödyntämällä reaalimaailmallisia aineistoja ja oppimalla alan asiantuntijoita Python-pohjaisella opetussuunnitelmalla. Suunnittele tärkeät työkalut ja tekniikat, joilla ratkaiset todellisia liiketoimintaongelmia ja edetä urasi tänään.

Saat todellista tulosta

Ura-tiimimme auttaa sinua tunnistamaan vahvuudet, tarkentamaan tavoitteitasi ja yhdistämään sinut yli 200 Nuclio-kumppanin kanssa tekemään ammatilliset toiveet todelliseksi.

Asiantuntemus

Ratkaise ongelmia yhdessä korkean suorituskyvyn omaavien opiskelijoiden kanssa erilaisista taustoista tieteen, tietojen analysoinnin, tekniikan, matematiikan ja paljon muuta. Luoda mielekkäitä yhteyksiä, tavata mahdollisia työnantajia ja liittyä elinikäisten oppijoiden yhteisöön.

Kurssin käsitteet, alustat ja tekniikat.

  • Ohjelmointi: R, Python
  • Tietojen visualisointi: ggplot2, seaborn, matplotlib
  • Inferential statistics,
  • Todennäköisyysjakaumat,
  • Regressioanalyysi
  • Luokittelualgoritmit
  • Ryhmittely ja suositus.
  • Viestintätaidot: ne ovat välttämättömiä selittämään ja visualisoimaan riittävästi kaiken, mitä on aikaisemmin oppinut.
  • Tietolaboratorioita
  • Lopullinen projekti

Tietotieteen perusteet: Python ja tilastot

Opiskelijat sisällytetään suoraan Python-pohjaiseen opetussuunnitelmaan, jossa tutkimme ja opimme parhaita käytäntöjä tilastollisessa analyysissä, mukaan luettuina frequentistiset ja bayesilaiset menetelmät. Käyttämällä ohjelmistoinsinööriin parhaita käytäntöjä ja ohjelmoimalla pareittain eri taustoista koostuvia vertaisoppilaita hallitsee tietotieteen peruskäsitteet.

  • esittely
  • Työkalun asentaminen
  • Johdatus ennakoivaan analyysiin ja koneen oppimiseen
  • Tietojen puhdistus

Koneen oppiminen ja todelliset tapaustutkimukset

Toisessa lohkossa aloimme uppoutua konekieliseen oppimiseen, työskentelemällä todellisissa luokittelu-, regressio- ja ryhmittelyongelmissa käyttäen jäsenneltyjä ja rakenteettomia aineistoja. Löydämme kirjastoja, kuten scikit-oppia, NumPy ja SciPy, ja käytämme todellisia tapaustutkimuksia integroimaan ymmärryksemme näistä kirjastoista todellisiin sovelluksiin.

  • Tietojen käsittelytoimet
  • Prediktiivisen mallintamisen peruskäsitteet
  • Lineaarinen regressio Pythonin kanssa
  • Logistinen regressio Pythonin kanssa
  • Klusterointi ja luokittelu
  • Satunnaiset puut ja metsät

Luonnollisen kielen käsittely ja tietojen visualisointi

Kolmannessa lohkossa lisäämme luonnontiedon käsittely- ja suositusjärjestelmiä tietotieteen osaamiseen. Opimme avoimen lähdekoodin suurien tietojen käsittelyä ja lopetamme Lohkon täydellistämällä visualisoinnin ja tietämyksen taidetta. Tämän blokin lopussa opiskelijoiden on oltava hyvin perehtynyt käsitteelliseen tietoon ja valmiita aloittamaan itsenäiset projektit.

  • Vector Support Machines
  • Lähimmät naapurit
  • Suositusjärjestelmät
  • Pääkomponenttien analyysi
  • Johdatus hermoverkkoihin ja syvällinen oppiminen TensorFlowin kanssa
  • Liitä R- ja Python-koodi rpy2-kirjastoon

Capstone-projekti ja valmistautuminen työmarkkinoille

Suorituksen täydentämiseksi opiskelijat työskentelevät itsenäisesti soveltavaan tietotieteelliseen projektiin, joka on ainutlaatuinen heidän etunsa tai uransa vuoksi Capstone-hankkeessa. Nämä hankkeet heijastavat teknisiä taitoja, joita opiskelijat ovat oppineet koko kurssin aikana ja osoittaneet osaamisensa ja kykynsä todellisten tietojen tutkijoiksi.

Vuoteen 2020 mennessä arviolta miljoona uutta digitaalista ja teknologista työpaikkaa Euroopassa.

Tiedon tietoprojekti on yksi yritysten tuottavuuden kannalta tärkeimmistä, antaen näille tarvittavat tiedot voidakseen hyötyä kilpailijoista.

Program taught in:
Espanjalainen

See 1 more programs offered by Nuclio Digital School »

Last updated December 6, 2018
Tämä kurssi on Campus based
Alkamispäivämäärä
Huhti 23, 2019
Duration
16 viikkoa
Part-time
Hinta
5,900 EUR
Deadline
By locations
By date
Alkamispäivämäärä
Huhti 23, 2019
Päättymispäivämäärä
Application deadline

Huhti 23, 2019

Location
Application deadline
Päättymispäivämäärä