Курс Data Science

Курс орієнтований на економістів, аналітиків, власників бізнесу, або ж студентів математичних, економічних та комп'ютерних спеціальностей. Навчання теорії проводиться паралельно з практикою. Домашні завдання з написанням алгоритмів, скриптів і т.д., а також навчальний проєкт. Отримані на курсі знання та навички дозволяють працювати за спеціальністю Data Science.

Програма курсу

Базові навички в IPython

• Робота з IPython
• Арифметичні операції
• Базові об'єкти:
  • Послідовності
  • Відображення
  • Інші базові об'єкти
• Функції в Python
• Функціональне програмування

Математика для аналізу даних

• Основні поняття математичного аналізу
• Вектори і матриці
• Операції над векторами та матрицями

Збір даних

• Робота з файлами
• CSV
• Робота з базами даних
• Робота з JSON, XML
• Використання API

Робота з масивами Numpy

• Масиви в Numpy
• Агрегація
• Операції над масивами
• Сортування масивів

Підготовка даних з Pandas

• Об'єкти бібліотеки
• Індексація
• Операції з об'єктом
• Агрегація та об'єднання
• Зведені таблиці
• Часові ряди

Основи візуалізації даних

Класифікації основних графіків та їх застосування.

Візуалізація з Matplotlib

• Лінійні графіки
• Графіки розсіювання
• Гістограми
• 3D - графіки
• Відображення географічних даних

Візуалізація за допомогою Tableau/Power BI

• Порівняння Tableau та Power BI
• Візуальна аналітика
• Розробка повноцінного дашборда

Статистичний аналіз та scipy

• Основні означення
• Нормальний розподіл
• Центральна гранична теорема
• Розподіл Стьюденса
• Статистика в scipy
• Перевірка гіпотез

Введення в машинне навчання

• Навчання з учителем
• Навчання без учителя
• Навчання з підкріпленням
• Налаштування параметрів
• Оцінка результатів

Лінійні моделі

• Методологія та застосування моделей
• Лінійна регресія
• Множинна регресія
• Логістична регресія
• Метод опорних векторів

Ансамблеві моделі

• Методологія та застосування моделей
• Дерево прийняття рішень
• Random forest

Кластеризація

• Методологія та застосування моделей
• Метод k-середніх
• Агломеративний алгоритм
• DBSCAN

Аналіз соціальних мереж

• Методологія та застосування алгоритму
• Рейтинг PageRank

Асоціативні зв'язки

• Основні поняття
• Алгоритм Apriory

Основи нейронних мереж

• Основні поняття
• Навчання нейронної мережі

Архітектура нейронних мереж

• Базові поняття
• Види нейронних мереж
• Бібліотека Tensorflow
• Класифікації зображень

Особливості курсу

• Вечірні заняття
• Велика кількість практичних завдань
• Постійний фідбек від тренера
• Навчальний проєкт
• Сертифікат після успішного закінчення навчання

Викладачі курсу

• Євген Страхов - Data Analyst & Math Consultant
• Ігор Бондарчук - к.т.н., доцент кафедри комп'ютерних наук, завідувач кафедри комп'ютерних наук ТНТУ ім. Івана Пулюя
• Марія Мазорчук - Senior Data Scientist, SSA Group
• Станіслав Логвіненко - Data Scientist
• Ігор Бетлей - Data analyst в ТОВ "Агросем" та data scientist PM Partners