Tietotiede
( 24 Moduulit )

moduuli #1
Introduction to Data Science
Datatieteen, tärkeyden ja sovellusten yleiskatsaus

moduuli #2
Data Science Process
Tietotieteen prosessin ymmärtäminen: ongelmanmäärittely, tiedonkeruu, puhdistus, analysointi ja visualisointi

moduuli #3
Python for Data Science
Johdatus Python-ohjelmointikieleen ja sen datatieteen kirjastoihin (NumPy, Pandas jne.)

moduuli #4
Datan esikäsittely
Puuton arvojen käsittely, tietojen normalisointi, ominaisuuksien skaalaus ja data muunnos

moduuli #5
Datan visualisointi
Johdatus tietojen visualisointiin Matplotlibin ja Seabornin avulla

moduuli #6
Kuvaustilastot
Keskisuuntauksen, vaihtelevuuden ja tiedon jakautumisen mittasuhteet

moduuli #7
Päätelmätilastot
Hypoteesi testaus, luottamusvälit ja p-arvot

moduuli #8
Regressioanalyysi
Yksinkertainen ja moninkertainen lineaarinen regressio, regressiooletukset ja mallin arviointi

moduuli #9
Ominaisuuksien suunnittelu
Ominaisuuden valinta, poiminta ja luontitekniikat

moduuli #10
Valvottu oppiminen
Johdatus ohjattuun oppimiseen, luokitteluun ja regressioon

moduuli #11
Oppiminen ilman valvontaa
Johdatus ohjaamattomaan oppimiseen, klusterointiin ja ulottuvuuksien vähentämiseen

moduuli #12
Mallin arviointi
Metrics for mallien suorituskyvyn, yli- ja alisovituksen arviointi

moduuli #13
Päätöspuut ja satunnaiset metsät
Johdatus päätöspuihin ja satunnaisiin metsiin, edut ja rajoitukset

moduuli #14
Support Vector Machines
Johdatus vektorikoneisiin, ydintemppu ja SVM-tyypit

moduuli #15
Neuroverkot
Johdatus hermoverkkoihin, perceptroniin ja monikerroksiseen perceptroniin

moduuli #16
Syvä oppiminen
Johdatus syväoppimiseen, konvoluutiohermoverkkoihin ja toistuviin hermoverkkoihin

moduuli #17
Natural Language Processing
Johdatus luonnollisen kielen käsittelyyn, tekstin esikäsittelyyn ja tekstin esittämiseen

moduuli #18
Big Data- ja NoSQL-tietokannat
Johdatus big dataan, Hadoop-ekosysteemiin ja NoSQL-tietokantoihin

moduuli #19
Data Storytelling
Tehokas oivallusten ja tulosten kommunikointi datan visualisoinnin ja tarinankerronnan avulla

moduuli #20
Data Science Tools and Technologies
Johdatus datatieteen työkaluihin ja teknologioihin, Jupyter Notebooks ja Git

moduuli #21
Tapaustutkimus 1:Regressioanalyysi
Regressioanalyysin soveltaminen reaalimaailman ongelmaan

moduuli #22
Tapaustutkimus 2:Luokittelu
Luokitustekniikoiden soveltaminen todelliseen ongelmaan

moduuli #23
Tapaustutkimus 3:klusterointi
Klusterointitekniikoiden soveltaminen todelliseen ongelmaan

moduuli #24
Kurssin yhteenveto ja johtopäätökset
Datatieteen uran tulevien vaiheiden suunnittelu

Oletko valmis oppimaan, jakamaan ja kilpailemaan?