Data Science with Python eLearning (Python-grundkursen ingår!)

Data Science with Python eLearning

Lär dig det alltmer populära programmeringsspråket för utveckling

KURSÖVERSIKT

Python är ett allmänt programmeringsspråk och dess popularitet växer. Företag över hela världen använder Python för att skaffa insikter från data för att få en fördel över sina konkurrenter. Till skillnad från alla andra Python-kurser fokuserar detta program på Python speciellt för datavetenskap. Du lär dig hur du lagrar och manipulerar data samt användbara verktyg för att starta din egen analys.

Kursen Python for Data Science täcker de grundläggande begreppen programmering med Python och förklarar dataanalys, maskininlärning, datavisualisering, webbskrapning och bearbetning av naturligt språk. Du får en omfattande förståelse för de olika paket och bibliotek som krävs för att utföra dataanalysaspekterna.

VAD INGÅR?

• Ett år tillgång till plattformen
• Varaktighet ca. 12 timmar
• Fyra verkliga branschbaserade projekt
• Interaktivt lärande med Jupyter anteckningsböcker
• Nedladdningsbara PDF-dokument med detaljerat innehåll (bilder, förklaringar) för varje lektion
• Tillgång dygnet runt

MÅL MED KURSEN Du lär dig:

I slutet av kursen kommer du att kunna:

• Få en fördjupad förståelse för datavetenskapliga processer, datakämpning, datautforskning, datavisualisering, hypotesuppbyggnad och testning
• Installera den nödvändiga Python-miljön och andra hjälpverktyg och bibliotek
• Förstå de grundläggande begreppen för Python-programmering som datatyper, tappar, listor, diktar, grundläggande operatörer och funktioner
• Utför matematisk databehandling på hög nivå med NumPy-paketet och dess stora bibliotek med matematiska funktioner
• Utför vetenskaplig och teknisk databehandling med SciPy-paketet och dess delpaket som Integrera, Optimera, Statistik, IO och Weave
• Utför dataanalys och manipulation med datastrukturer och verktyg som tillhandahålls i Pandas-paketet
• Få kompetens inom maskininlärning med Scikit-Learn-paketet
• Förstå övervakade och oövervakade inlärningsmodeller som linjär regression, logistisk regression, kluster, dimensioneringsreduktion, K-NN och pipeline
• Använd paketet Scikit-Learn för bearbetning av naturligt språk
• Använd matplotlib-biblioteket i Python för datavisualisering
• Extrahera användbar information från webbplatser genom att utföra webbskrotning med Python
• Integrera Python med Hadoop, Spark och MapReduce

Förutsättningar

Det finns inga förutsättningar för denna datavetenskapskurs och Python-grundkursen som ingår i detta program ger dig ytterligare kodningsvägledning.

Innehåll

Kursen behandlar följande ämnen:

• Lesson 1 - Data science overview
• Lesson 2 - Data analytics overview
• Lesson 3 - Statistical analysis and business applications
• Lesson 4 - Python environment setup and essentials
• Lesson 5 - Mathematical computing with Python (NumPy)
• Lesson 6 - Scientific computing with Python (Scipy)
• Lesson 7 - Data manipulation with Pandas
• Lesson 8 - Machine learning with Scikit–Learn
• Lesson 9 - Natural language processing with Scikit Learn
• Lesson 10 - Data visualisation in Python using matplotlib
• Lesson 11 - Web scraping with BeautifulSoup
• Lesson 12 - Python integration with Hadoop MapReduce and Spark

GRATIS KURS - Python basics

GRATIS KURS - Statistics essentials for data science

Kursen inkluderar också verkliga, branschbaserade projekt. Framgångsrik utvärdering av ett av följande projekt är en del av behörighetskriterierna:

Projekt 1: Förutsägelse av produkter för Amazon

Amazon, ett av de ledande USA-baserade e-handelsföretagen, rekommenderar produkter inom samma kategori till kunder baserat på deras aktivitet och recensioner på andra liknande produkter. Amazon vill förbättra den här rekommendationsmotorn genom att förutsäga betyg för de icke-rankade produkterna och lägga till dem i rekommendationerna i enlighet därmed.

Domän: E-handel

Projekt 2: Efterfrågan på Walmart

Förutse korrekt försäljning för 45 butiker i Walmart, en av de USA-baserade ledande butikerna, med tanke på effekterna av marknadsföringshändelser. Kontrollera om makroekonomiska faktorer som KPI, arbetslöshet etc. påverkar försäljningen.

Domän: Detaljhandel

Projekt 3: Förbättra kundupplevelsen för Comcast

Comcast, ett av de USA-baserade globala telekommunikationsföretagen vill förbättra kundupplevelsen genom att identifiera och agera på problemområden som sänker kundnöjdheten om någon. Företaget letar också efter viktiga rekommendationer som kan implementeras för att ge den bästa kundupplevelsen.

Domän: Telekom

Projekt 4: Förslitningsanalys för IBM

IBM, ett av de ledande amerikanska IT-företagen, skulle vilja identifiera de faktorer som påverkar anställdas slitage. Baserat på de identifierade parametrarna vill företaget också bygga en logistikregressionsmodell som kan hjälpa till att förutsäga om en anställd kommer att churn eller inte.

Domän: Workforce analytics

Projekt 5: NYC 311 Analys av tjänsteförfrågningar

Utför en dataanalys av serviceförfrågningar av New York City 311-samtal. Du kommer att fokusera på datavridningstekniker för att förstå mönster i data och visualisera de viktigaste klagomålstyperna.

Domän: Telekommunikation

Projekt 6: MovieLens dataset analys

GroupLens Research Project är en forskargrupp vid institutionen för datavetenskap och teknik vid University of Minnesota. Forskarna i denna grupp deltar i flera forskningsprojekt inom informationsfiltrering, samverkande filtrering och rekommenderingssystem. Här ber vi dig att utföra en analys med hjälp av Exploratory Data Analysis-tekniken för användardatamängder.

Domän: Engineering

Projekt 7: Analys av aktiemarknadsdata

Som en del av detta projekt kommer du att importera data med Yahoo-dataläsare från följande företag: Yahoo, Apple, Amazon, Microsoft och Google. Du kommer att utföra grundläggande analyser, inklusive plottning, stängningskurs, plottning av aktiehandel per volym, daglig avkastningsanalys och användning av parplottning för att visa korrelationen mellan alla aktier.

Domän: Aktiemarknad

Projekt 8: Titanic datasetanalys

Den 15 april 1912 sjönk Titanic efter att ha kolliderat med ett isberg och dödade 1502 av 2224 passagerare och besättning. Denna tragedi chockade världen och ledde till bättre säkerhetsbestämmelser för fartyg. Här ber vi dig att utföra en analys med den explorativa dataanalystekniken, särskilt genom att använda maskininlärningsverktyg för att förutsäga vilka passagerare som överlevde tragedin.