modul #1 Introducere în știința datelor Prezentare generală a științei datelor, importanței și aplicațiilor
modul #2 Procesul de știință a datelor Înțelegerea procesului de știință a datelor: definirea problemei, colectarea datelor, curățarea, analiză și vizualizare
modul #3 Python pentru știința datelor Introducere în limbajul de programare Python și bibliotecile sale pentru știința datelor (NumPy, Pandas etc.)
modul #4 Preprocesarea datelor Gestionarea valorilor lipsă, normalizarea datelor, scalarea caracteristicilor și transformarea datelor
modul #5 Vizualizarea datelor Introducere în vizualizarea datelor folosind Matplotlib și Seaborn
modul #6 Statistica descriptivă Măsuri ale tendinței centrale, variabilității și distribuției datelor
modul #7 Statistica inferenţială Testarea ipotezelor, intervalele de încredere și valorile p
modul #8 Analiza de regresie Regresia liniară simplă și multiplă, ipotezele de regresie și evaluarea modelului
modul #9 Inginerie caracteristică Tehnici de selecție, extracție și creare a caracteristicilor
modul #10 Învățare supravegheată Introducere în învățarea supravegheată, clasificare și regresie
modul #11 Învățare nesupravegheată Introducere în învățarea nesupravegheată, gruparea și reducerea dimensionalității
modul #12 Evaluarea modelului Valori pentru evaluarea performanței modelului, supraadaptarea și subadaptarea
modul #13 Arbori de decizie și păduri aleatorii Introducere în arbori de decizie și păduri aleatorii, avantaje și limitări
modul #14 Suport mașini vectoriale Introducere pentru a suporta mașinile vectoriale, trucul nucleului și tipurile SVM
modul #15 Rețele neuronale Introducere în rețelele neuronale, perceptron și perceptron multistrat
modul #16 Învățare profundă Introducere în învățarea profundă, rețelele neuronale convoluționale și rețelele neuronale recurente
modul #17 Procesarea limbajului natural Introducere în procesarea limbajului natural, preprocesarea textului și reprezentarea textului
modul #18 Big Data și baze de date NoSQL Introducere în Big Data, ecosistemul Hadoop și bazele de date NoSQL
modul #19 Povestirea datelor Comunicarea eficientă a perspectivelor și a rezultatelor folosind vizualizarea datelor și povestirea
modul #20 Instrumente și tehnologii pentru știința datelor Introducere în instrumentele și tehnologiile pentru știința datelor, Jupyter Notebooks și Git
modul #21 Studiu de caz 1: Analiza regresiei Aplicarea analizei de regresie la o problemă din lumea reală
modul #22 Studiu de caz 2: Clasificare Aplicarea tehnicilor de clasificare la o problemă din lumea reală
modul #23 Studiu de caz 3:Clustering Aplicarea tehnicilor de clustering la o problemă din lumea reală
modul #24 Încheierea cursului și concluzia Planificarea următorilor pași în cariera în știința datelor
Sunteți gata să învățați, să împărtășiți și să concurați?
