Тренінг Data Science (Просунутий рівень)

Розклад та міцезнаходження

Велика Британія

21-24 травня 2018, Лондон (просунутий рівень)

28-31 травня 2018, Бірмінгем (просунутий рівень)

ПОЧАТКОВИЙ РІВЕНЬ

INTEGRATED TECHNOLOGIES LABORATORY LTD.
Website: www.intela-edu.com

Опис

Ласкаво просимо до чотирьохденного інтенсивного тренінгу  Data Science Bootcamp!

Цей інтенсивний тренінг, де ви будете вивчати передові теми про дані під керівництвом ведучих фахівців IBM.

Ви дізнаєтеся, як використовувати популярні мови програмування для аналізу даних та їх візуалізації, зануритеся в алгоритми машинного навчання, а також матимете можливість застосувати свої нові навички у дипломному проекті Data Science.

Що ви досягнете наприкінці тренінгу:

Розуміння аналізу даних, машинного навчання, Apache Spark та глибоких методів навчання. Також такі бібліотеки, як Pandas, Sickitalarn і TensorFlow. Всі матеріали доставляються за допомогою практичних сеансів.

Необхідні вимоги до учасників тренінгу:

Ви маєте впевнено володіти мовою програмування Python або успішно пройти наступний тригодинний онлайн-курс для початківців:

 

Python 101 (https://cognitiveclass.ai/courses/introduction-to-python/)

Цей безкоштовний курс надає необхідний для початківців обсяг знань та навичок з Python. Виконайте усі лабораторні роботи, і ви будете готові розпочати аналіз даних під час тренінгу.

Учасники тренінгу під час навчання мають використовувати власні ноутбуки.

Програма

День 1: Аналіз даних за допомогою Python.

У перший день ви дізнаєтеся про важливість даних, машинного навчання та великих даних. Дізнайтеся про безкоштовний онлайн-ресурс, лабораторії та інструменти для навчання з інформацією про продукти, включаючи ноутбуки Jupyter (IPython), RStudio IDE та Apache Spark. Дізнайтеся, як аналізувати дані за допомогою Python. Ви дізнаєтеся, як підготувати дані для аналізу, виконувати простий статистичний аналіз, створювати значущі візуалізації даних, прогнозувати майбутні тенденції від даних та багато іншого!

Теми, що стосуються:

  • Дізнайтеся більше про науку в бізнес-контексті
  • Відкрийте для себе деякі бізнес-додатки та використовуйте випадки для наукових даних
  • Імпорт та чистка Наборів даних
  • Pandas, Numpy and Scipy libraries
  • Маніпуляція з кадрами даних
  • Гістограми та ймовірнісні масові функції Блокнот: обчислення та відображення даних
  • matplotlib and Plotly library
  • Карти (створення карт із використанням даних широти, довготи)
  • Практичний проект



День 2: Автоматичне навчання з Python.

Як ми можемо отримати машину, щоб навчатися за даними самостійно? У цій частині ви дізнаєтесь, як отримати огляд алгоритмів машинного навчання. Щоб отримати практичні навички при навчанні на машині, ви будете працювати з реальними наборами даних та практикою обробки даних для прогнозування або класифікації різних наборів даних. Також ви дізнаєтеся, як обрати найкращий алгоритм для різних задач у різних галузях.

Теми заняття:

  • Огляд машинного навчання
  • Який алгоритм ML правильний для моєї проблеми?
  • Регресія
  • Класифікація (дерева рішень та КНН)
  • Кластеризація (ієрархічні та k-засоби)
  • Рекомендовані системи
  • Machine learning libraries, наприклад ScikitLearn



День 3: Big Data з Python.

Ви дізнаєтеся, як працювати з Big Data з використанням Apache Spark. Spark - легка бібліотека інтерфейсів, яка використовується для розподіленої обробки при роботі з великими даними. Ви будете читати дані з великого набору даних, попередньої обробки та застосовувати операції попередньої обробки.

Теми, що стосуються:

  • Вступ до Apache Spark
  • Читання даних з великого набору даних
  • Вибір даних, фільтрація та об'єднання великих даних
  • Spark SQL
  • Машине навчання із Spark



День 4 Ранок: Вступ до глибокого навчання використовуючи TensorFlow.

Глибоке навчання - підмножина машинного навчання, яка використовує нейронні мережі для моделювання абстракцій високого рівня в даних, що дозволяє вченим даних створювати моделі на складних, неструктурованих даних, таких як зображення та відео. У цьому сеансі ви будете працювати з конкретним типом глибокого навчання, звані зварювальними нейронними мережами, і використовувати бібліотеку TensorFlow для роботи з цими мережами.

Теми, що стосуються:

  • Deep Learning libraries
  • Введення в TensorFlow

  • Нейронних мереж
  • Логістична регресія з TensorFlow
  • Конволюційні нейронні мережі
  • Рекурентні нейронні мережі



День 4: Після закінчення іспиту (необов'язково).

2 години для факультативного іспиту. Учасники з прохідним ступенем отримують:

СЕРТИФІКАЦІЯ & IBM BADGE

 Відзнака IBM validated badge

  • сертифікат завершення курсу IBM
  • IBM значок

Сертифікат завершення, і значок будуть зберігатися та перевірятися Documentorum, блок-чейном академічного облікового запису.