Data Science
( 24 Moduly )

modul #1
Úvod do vedy o údajoch
Prehľad vedy o údajoch, význam a aplikácie

modul #2
Proces vedy o údajoch
Porozumenie procesu vedy o údajoch: definícia problému, zber údajov, čistenie, analýza a vizualizácia

modul #3
Python pre vedu o údajoch
Úvod do programovacieho jazyka Python a jeho knižníc pre vedu o údajoch (NumPy, Pandas atď.)

modul #4
Predspracovanie údajov
Ošetrenie chýbajúcich hodnôt, normalizácia údajov, škálovanie prvkov a údaje transformácia

modul #5
Vizualizácia dát
Úvod do vizualizácie dát pomocou Matplotlib a Seaborn

modul #6
Deskriptívna štatistika
Mieradlá centrálnej tendencie, variability a distribúcie dát

modul #7
Inferenčná štatistika
Hypotéza testovanie, intervaly spoľahlivosti a p-hodnoty

modul #8
Regresná analýza
Jednoduchá a viacnásobná lineárna regresia, regresné predpoklady a hodnotenie modelu

modul #9
Techniky funkcií
Výber, extrakcia a techniky vytvárania funkcií

modul #10
Učenie pod dohľadom
Úvod do kontrolovaného učenia, klasifikácie a regresie

modul #11
Učenie bez dozoru
Úvod do učenia bez dozoru, zoskupovania a redukcie dimenzií

modul #12
Hodnotenie modelu
Metriky pre vyhodnocovanie výkonnosti modelu, nadmerného vybavenia a nedostatočného vybavenia

modul #13
Rozhodovacie stromy a náhodné lesy
Úvod do rozhodovacích stromov a náhodných lesov, výhody a obmedzenia

modul #14
Podpora vektorových strojov
Úvod do podpory vektorových strojov, kernel trik a typy SVM

modul #15
Neurónové siete
Úvod do neurónových sietí, perceptrón a viacvrstvový perceptrón

modul #16
Hlboké učenie
Úvod do hlbokého učenia, konvolučných neurónových sietí a rekurentných neurónových sietí

modul #17
Spracovanie prirodzeného jazyka
Úvod do spracovania prirodzeného jazyka, predspracovanie textu a reprezentácia textu

modul #18
Big Data a NoSQL databázy
Úvod do veľkých dát, ekosystému Hadoop a NoSQL databáz

modul #19
Príbeh dát
Efektívna komunikácia poznatkov a výsledkov pomocou vizualizácie dát a rozprávania

modul #20
Nástroje a technológie dátovej vedy
Úvod do nástrojov a technológií dátovej vedy, notebooky Jupyter a Git

modul #21
Prípadová štúdia 1:Regresná analýza
Aplikácia regresnej analýzy na problém reálneho sveta

modul #22
Prípadová štúdia 2:Klasifikácia
Aplikácia klasifikačných techník na problém reálneho sveta

modul #23
Prípadová štúdia 3:Zhlukovanie
Aplikácia techník klastrovania na problém v reálnom svete

modul #24
Zhrnutie a záver kurzu
Plánovanie ďalších krokov v kariére Data Science

Ste pripravení učiť sa, zdieľať a súťažiť?