Data Science – nga të dhënat në njohuri

Çfarë do të mësoni

Mjetet e sistemit dhe sistemi i kontrollit GIT

Mjetet e sistemit janë një koleksion teknikash të dobishme për funksionimin e një sistemi duke përdorur komanda. Çdo profesionist i shkencës së të dhënave që respekton veten duhet të dijë se si të përdorë konsolën. Ne do t’ju mësojmë se si. Do të mësoni gjithashtu se si të përdorni sistemin e kontrollit të versionit GIT, i cili mundëson bashkëpunim të qetë në ekip.

Python në shkencën e të dhënave

Python është gjuha më popullore e përdorur në shkencën e të dhënave. Ajo ka numrin më të madh të bibliotekave dhe kornizave që kryejnë shumë detyra të shkencës së të dhënave. Në këtë modul, do të mësoni bazat e gjuhës Python të nevojshme për të zhvilluar kodin e aplikacionit.

Statistikat dhe probabiliteti

Shkenca e të dhënave bazohet tërësisht në matematikë. Ky modul do t’ju ndihmojë të kuptoni operacionet duke përdorur bibliotekën Numpy, ku mund të llogaritni operacionet bazë në algjebër lineare (veprimet në vektorë/matrica). Në pjesën e dytë, do të mësoni më shumë rreth probabilitetit, për shembull, pse testet me marrëveshje 90% duhet të përsëriten.

Përpunimi i grupeve të të dhënave

Shkenca e të dhënave është të dhëna, të dhëna dhe më shumë të dhëna. Ato vijnë nga burime të ndryshme dhe janë të disponueshme në formate të ndryshme. Thuhet se 90% e punës së një specialisti të shkencës së të dhënave është përpunimi i të dhënave. Është e vështirë të mos pajtohesh me këtë. Aftësitë e mësuara në këtë modul do t’i përdorni më shpesh në jetën tuaj të ardhshme profesionale. Do të mësoni se si të përpunoni të dhënat e marra nëpërmjet API ose nga një bazë të dhënash SQL.

Vizualizimi i të dhënave

Një grafik mund të shprehë më shumë se një mijë fjalë. Në kontekstin e punës me klientët që blejnë “me sy”, aftësia për të paraqitur siç duhet të dhënat është jashtëzakonisht e vlefshme. Në këtë modul, do të mësoni se si të krijoni grafikët ndërveprues të nevojshëm për të punuar në shkencën e të dhënave.

Mësimi i makinerisë në praktikë

Parashikoni çmimet në bursë? Zgjedhja e kohës së duhur për të blerë një shtëpi duke pasur parasysh çmimet historike? Çfarë mund të mësojmë për të ardhmen duke njohur të shkuarën? Regresioni përpiqet t’u përgjigjet pikërisht këtyre pyetjeve. Ai lejon parashikimin e vlerave të panjohura të një sasie në bazë të vlerave të njohura të sasive të tjera. Për më tepër, ky modul do t’ju prezantojë me të gjithë temën e metodave klasike të mësimit të makinerive – ato në të cilat bazohen shumë zgjidhje moderne. Do të mësoni gjithashtu për problemet e klasifikimit në mësimin e mbikëqyrur. Ne do t’ju shpjegojmë gjithashtu se çfarë është mësimi i pambikëqyrur.

Biblioteka TensorFlow

Do të mësoni kornizën më të njohur për krijimin e zgjidhjeve të rrjetit. Kjo ju lejon të zbatoni me lehtësi një arkitekturë të caktuar të rrjetit, procesin e të mësuarit dhe veprimet pasuese.

Rrjetet nervore

Rrjetet nervore artificiale janë struktura që imitojnë ato në trurin tonë. Ne kemi një sinjal hyrës që përpunohet ndryshe nga neurone të ndryshëm që gjenerojnë disa informacione në fund të procesit. Është një nga metodat më të njohura të mësimit të makinerive, ndaj duhet ta dini shumë mirë. Kjo ju lejon të zgjidhni problemet e regresionit dhe klasifikimit, megjithëse jo vetëm. Ne do t’ju mësojmë metoda për të mësuar rrjete të tilla duke përdorur TensorFlow.

Përpunimi i imazhit – vizioni kompjuterik

Si funksionojnë automjetet autonome?
Si i njohin ata shenjat e trafikut apo këmbësorët?

Në këtë modul do të mësoni se si të përpunoni të dhënat e imazhit. Si i filtroni të dhënat? Çfarë informacioni mund të merret nga imazhet? Përveç kësaj, do të mësoni se si të përdorni dizajne të veçanta të rrjeteve nervore të përdorura për të përpunuar të dhënat e imazhit. Duke kuptuar mësimin e transferimit, do të jeni në gjendje të krijoni zgjidhje që mund të shpjegojnë shumicën e problemeve të përpunimit të imazhit dhe më shumë.

Përpunimi i gjuhës natyrore

Alexa dhe Siri janë dy shembuj të asistentëve zanorë. Si e kuptojnë ata atë që ne u themi? Në këtë modul, do të mësoni se si të merreni me të dhënat e tekstit (dhe të mësoni përgjigjen e pyetjes së mëparshme).

Puna me sekuenca – rrjete nervore të përsëritura

Si mund të marrin në konsideratë rrjetet nervore sekuencat dhe jo objektet individuale? Si e di algoritmi se cila fjalë duhet të jetë më pas në një fjali? Ne do të përpiqemi t’u përgjigjemi këtyre pyetjeve duke përdorur rrjetet nervore rekursive.

Projektet praktike

Gjatë kursit do të përfundoni katër projekte përfundimtare. Tre prej tyre janë projekte praktike (regresioni, klasifikimi dhe përpunimi i imazhit) të përfunduara në faza të ndryshme të kursit. Më në fund, do t’ju jepet një projekt i madh përfundimtar. Një shembull i një projekti përfundimtar do të ishte një parashikim për COVID-19 duke përdorur të dhëna të disponueshme publikisht.