Rozvíjte své odborné znalosti v oblasti vědy o údaji tím, že využijete datové sady v reálném světě a učíte se odborníků z oboru s osnovami založenými na Pythonu. Zvládněte příslušné nástroje a techniky k řešení skutečných obchodních problémů a pokročte v současné kariéře.
Intenzivní magisterský ve vědě o datech
Dobré rozhodnutí jsou vždy založeny na datech
Získejte skutečné výsledky
Náš kariérní tým vám pomůže identifikovat vaše silné stránky, upřesnit vaše cíle a spojit se s více než 200 partnery Nuclio, abyste změnili své profesionální aspirace na realitu.
Odborné znalosti
Řešte problémy společně s vysoce výkonnými studenty s různorodým zázemím ve vědě, analýze dat, inženýrství, matematice a dalším. Vytvořte smysluplné spojení, setkávejte se s potenciálními zaměstnavateli a zapojte se do společenství celoživotních studentů.
Koncepce, platformy a techniky v kurzu.
- Programování: R, Python
- Vizualizace dat: ggplot2, mořan, matplotlib
- Inferenční statistiky,
- Rozdělení pravděpodobnosti,
- Regresní analýza
- Klasifikační algoritmy
- Seskupení a doporučení.
- Komunikační dovednosti: jsou nezbytné pro správné vysvětlení a vizualizaci všeho, co se předtím naučilo.
- Datové laboratoře
- Konečný projekt
Základy datové vědy: Python a statistiky
Studenti jsou přímo zapojeni do učebních osnov založených na Pythonu, kde zkoumáme a naučíme se osvědčené postupy v oblasti statistické analýzy, včetně častých a Bayesových metod. Pomocí osvědčených postupů softwarového inženýrství a programování ve dvojicích s vrstevníky z různých prostředí, studenti zvládnou základní pojmy datové vědy.
- úvod
- Instalace našeho pracovního nástroje
- Úvod do prediktivní analýzy a strojového učení
- Úklid dat
Strojové učení a skutečné případové studie
Ve druhém bloku jsme se začali ponořit do strojového učení, pracovat na skutečných problémech klasifikace, regrese a seskupování pomocí strukturovaných a nestrukturovaných datových souborů. Objevíme knihovny jako scikit-learn, NumPy a SciPy a využijeme skutečné případové studie k integraci našeho chápání těchto knihoven do reálných aplikací.
- Operace zpracování dat
- Základní pojmy statistiky pro prediktivní modelování
- Lineární regrese s Pythonem
- Logistická regrese s Pythonem
- Klastrování a klasifikace
- Náhodné stromy a lesy
Zpracování přirozeného jazyka a vizualizace dat
V našem třetím bloku přidáváme do našich znalostí vědy o datech přírodní jazykové procesy a systémy doporučení. Učíme se zpracování velkých dat s otevřeným zdrojovým kódem a dokončíme blok s zdokonalením umění vizualizace a znalostí dat. Na konci tohoto bloku musí být studenti dobře orientovaní v koncepčních poznatcích a připraveni se pustit do nezávislých projektů.
- Stroje na podporu vektorů
- K Nejbližší sousedé
- Systémy doporučení
- Analýza hlavních komponent
- Úvod do neuronových sítí a hluboké učení pomocí TensorFlow
- Připojte kód R a Python k knihovně rpy2
Projekt Capstone a příprava na trh práce
K dokončení našeho programu ponoření, studenti pracují nezávisle na aplikovaném datovém vědeckém projektu, který je jedinečný pro jejich zájmy nebo profesní aspirace v projektu Capstone. Tyto projekty odrážejí soubor technických dovedností, které se studenti naučil během celého kurzu a prokázali své schopnosti a dovednosti jako skuteční vědci v oblasti dat.
Do roku 2020 je v Evropě odhadováno 1 milion nových digitálních a technologických pracovních míst.
Profil společnosti Data Science bude jedním z nejdůležitějších faktorů pro produktivitu firem a poskytne jim potřebné informace, aby mohli mít výhodu nad konkurencí.
This school offers programs in:
- španělština
Poslední aktualizace December 6, 2018
