Datavetenskap
( 24 Moduler )

modul #1
Introduktion till datavetenskap
Översikt över datavetenskap, betydelse och tillämpningar

modul #2
Datavetenskapsprocessen
Förstå datavetenskapsprocessen: problemdefiniering, datainsamling, rensning, analys och visualisering

modul #3
Python for Data Science
Introduktion till Python-programmeringsspråket och dess bibliotek för datavetenskap (NumPy, Pandas, etc.)

modul #4
Data Preprocessing
Hantera saknade värden, datanormalisering, funktionsskalning och data transformation

modul #5
Datavisualisering
Introduktion till datavisualisering med Matplotlib och Seaborn

modul #6
Descriptive Statistics
Mått på central tendens, variabilitet och datadistribution

modul #7
Inferential Statistics
Hypothesis testning, konfidensintervall och p-värden

modul #8
Regressionsanalys
Enkel och multipel linjär regression, regressionsantaganden och modellutvärdering

modul #9
Feature Engineering
Funktionsval, extraktion och skapande av tekniker

modul #10
Övervakat lärande
Introduktion till övervakat lärande, klassificering och regression

modul #11
Oövervakat lärande
Introduktion till oövervakat lärande, klustring och dimensionsreduktion

modul #12
Modelutvärdering
Mätverk för utvärdering av modellprestanda, överanpassning och underanpassning

modul #13
Beslutsträd och slumpmässiga skogar
Introduktion till beslutsträd och slumpmässiga skogar, fördelar och begränsningar

modul #14
Support Vector Machines
Introduktion till stöd för vektormaskiner, kärntrick och SVM-typer

modul #15
Neurala nätverk
Introduktion till neurala nätverk, perceptron och flerskiktsperceptron

modul #16
Deep Learning
Introduktion till djupinlärning, konvolutionella neurala nätverk och återkommande neurala nätverk

modul #17
Natural Language Processing
Introduktion till naturlig språkbehandling, textförbehandling och textrepresentation

modul #18
Big Data and NoSQL-databaser
Introduktion till big data, Hadoop-ekosystem och NoSQL-databaser

modul #19
Data Storytelling
Effektiv kommunikation av insikter och resultat med hjälp av datavisualisering och storytelling

modul #20
Data Science Tools and Technologies
Introduktion till datavetenskapliga verktyg och teknologier, Jupyter Notebooks och Git

modul #21
Fallstudie 1:Regressionsanalys
Tillämpa regressionsanalys på ett verkligt problem

modul #22
Fallstudie 2:Klassificering
Tillämpa klassificeringstekniker på ett verkligt problem

modul #23
Fallstudie 3:Klustering
Tillämpa klustringstekniker på ett verkligt problem

modul #24
Kursavslutning och avslutning
Planerar nästa steg i Data Science-karriären

Redo att lära sig, dela och tävla?