Podstawy Data Science + wprowadzenie do Pythona

Dlaczego warto

Chcesz efektywnie przetwarzać dane, budować modele i prognozować z wykorzystaniem Pythona? To szkolenie jest idealne, jeśli pracujesz na stanowisku Data Scientist lub chcesz zdobyć umiejętności w tej dziedzinie. Nauczysz się wykorzystywać kluczowe biblioteki, takie jak Pandas, NumPy i Scikit-learn, aby przeprowadzać kompleksową analizę danych i tworzyć zaawansowane modele Data Science. Warsztatowy charakter szkolenia pozwoli Ci na praktyczne wykorzystanie zdobytej wiedzy.

Czego się nauczysz

• Zrozumiesz podstawy analizy danych statystycznych oraz uczenia nadzorowanego i nienadzorowanego.
• Poznasz różne typy modeli Data Science, w tym regresję, sztuczne sieci neuronowe i drzewa decyzyjne.
• Opanujesz zasady testowania hipotez statystycznych, walidacji i wyboru modeli.
• Nauczysz się tworzyć modele z użyciem Pythona i popularnych bibliotek.
• Zdobędziesz wiedzę o narzędziach takich jak PyCharm i Jupyter Notebook.
• Nauczysz się oceniać jakość modeli za pomocą macierzy błędów, krzywej ROC i walidacji krzyżowej.

Dla kogo

Szkolenie jest przeznaczone dla Data Scientistów oraz osób, które chcą używać Pythona jako narzędzia do zautomatyzowanej analizy danych. Zakłada się, że uczestnicy mają przynajmniej niewielkie doświadczenie w pracy z Pythonem.

Zakres szkolenia

• Wprowadzenie do analizy danych statystycznych
• • Uczenie nadzorowane i nienadzorowane
  • Rodzaje i przykłady modeli
  • Metody estymacji/kalibracji modeli
  • Zasady testowania hipotez statystycznych
  • Walidacja i wybór modeli
  • Przeregulowanie (kompromis między obciążeniem a wariancją)
• Techniki Data Science:
  • Modele regresji liniowej i nieliniowej
  • Sztuczne sieci neuronowe
  • Drzewa decyzyjne i lasy losowe
  • Klasyfikatory bayesowskie
  • Modelowanie typu ensemble
  • Macierz błędów, krzywa ROC
  • Statystyki pozwalające ocenić jakość modeli
  • Walidacja krzyżowa
• Tworzenie modeli z użyciem Pythona:
  • Python jako język programowania
  • PyCharm – IDE dla Pythona
  • Jupyter Notebook – dokumenty z aktywnym kodem
• Pandas:
  • Import i eksport danych
  • Struktury danych i operowanie danymi
  • NumPy: algebra liniowa i obliczenia numeryczne
• Scikit-learn:
  • Regresja
  • Klasyfikacja
  • Grupowanie
  • Walidacja i wybór modeli