Учебный курс по информационным технологиям

• Интенсивная 6-месячная программа
• Совместные задания с наставниками
• Мастер-статистика, машинное обучение, глубокое обучение и AI
• Изучите инструменты, такие как Python, TensorFlow, Spark, R и Tableau

ПРОДОЛЖИТЕЛЬНОСТЬ/>

24 недели

УСИЛИЯ

10-15 часов / неделя

КАРЬЕРА

Бизнес-аналитик, аналитик данных, архитектор данных, администратор данных, диспетчер данных, научный сотрудник данных

Курс преподает статистику для бизнес-анализа, алгоритмов машинного обучения, глубокого обучения с помощью TensorFlow и программирования с Python. Это поможет вам исследовать, анализировать и интерпретировать различные типы данных./>

Почему вы должны пройти этот курс?/>

Опыт ACADGILD/>

Что вы будете изучать на этом курсе/>

• Программирование в Python и R
  • питон
  • Условные и циклы
  • Строковые и список объектов
  • функции
  • Обработка исключений
  • Программирование баз данных
    * Сессии на R не являются живыми, а самостоятельными

• Разрушение данных

• Чтение файлов CSV, JSON, XML и HTML с использованием Python

• NumPy

• Библиотеки Scipy

• Загрузка, очистка, преобразование, слияние и переформатирование данных

• Статистика и вероятность

• Описательная статистика

• Выведенный статистика

• Проверка гипотезы

• Статистические концепции в Python

• Модели машинного обучения с Python

• Построение моделей с использованием алгоритмов

• Линейная и логистическая регрессия

• Деревья принятия решений

• Поддерживающие векторные машины (SVM)

• Случайные леса

• XGBoost

• Ближайший сосед К

• Анализ главных компонентов

• Текстовая аналитика и прогнозирование временных рядов

• Глубокое обучение с использованием TensorFlow

• Введение в глубокое обучение

• Понимание нейронной сети через TensorFlow

• свертка

• Визуализация данных с использованием Matplotlib и Tableau

• Интерактивные визуализации с Matplotlib,

• Визуализация данных с использованием таблицы

• Настольная приборная панель и раскадровка

• Интеграция таблиц и R
  Сессии на Tableau не живые, а самостоятельные

• Обработка больших данных с помощью Spark

• Введение в большие данные

• RDD в Spark, кадры данных

• Световая потоковая передача, MLib