स्क्रैच से प्रो तक डेटा साइंटिस्ट - कोर्स RUB 233,640। स्किलफैक्ट्री से, प्रशिक्षण 24 माह, दिनांक 15 अगस्त 2023।

आधार

इस स्तर पर, आप पायथन में प्रोग्रामिंग की मूल बातें सीखेंगे, डेटा को प्रीप्रोसेस और विश्लेषण करना सीखेंगे, और डेटा वैज्ञानिक के मुख्य कार्यों से भी परिचित होंगे।

परिचय - 1 सप्ताह

आप अपने लिए वास्तविक सीखने के लक्ष्य तैयार करने में सक्षम होंगे, पता लगाएंगे कि व्यवसाय के लिए डीएस का मूल्य क्या है, एक डेटा वैज्ञानिक के मुख्य कार्यों से परिचित हों और समझें कि किसी का विकास कैसे होता है डीएस परियोजना.
परिचय-1. प्रभावी ढंग से अध्ययन कैसे करें - प्रशिक्षण में शामिल होना
परिचय-2. पेशे का अवलोकन. डेटा साइंस में समस्याओं के प्रकार. डेटा साइंस प्रोजेक्ट विकसित करने के चरण और दृष्टिकोण

विकास डिज़ाइन - 5 सप्ताह

आप पायथन का उपयोग करके बुनियादी डेटा प्रकारों के साथ काम करना सीखेंगे और अपने दैनिक कार्य में लूपिंग संरचनाओं, सशर्त बयानों और कार्यों का उपयोग करने में सक्षम होंगे।
पायथन-1. पायथन मूल बातें
पायथन-2. डेटा प्रकारों में गोता लगाना
पायथन-3. सशर्त बयान
पायथन-4. साइकिल
पायथन-5. कार्य और कार्यात्मक प्रोग्रामिंग
पायथन-6. अभ्यास
पायथन-7. पायथन स्टाइल गाइड (बोनस)

बुनियादी गणित - 7 सप्ताह

गणित-1. संख्याएँ और अभिव्यक्तियाँ
गणित-2. समीकरण और असमानताएँ
गणित-3. फ़ंक्शन सिद्धांत की बुनियादी अवधारणाएँ
गणित-4. ज्यामिति की मूल बातें: प्लानिमेट्री, त्रिकोणमिति और स्टीरियोमेट्री
गणित-5. सांख्यिकी के सेट, तर्क और तत्व
गणित-6. संयोजन विज्ञान और संभाव्यता सिद्धांत की मूल बातें
गणित-7. समस्या को सुलझाना

डेटा के साथ काम करना - 8 सप्ताह 

इस स्तर पर, आप बुनियादी डेटा कौशल में महारत हासिल कर लेंगे: डेटा को कैसे तैयार करें, साफ़ करें और परिवर्तित करें ताकि यह विश्लेषण के लिए उपयुक्त हो। विश्लेषण की बात करें तो: आप लोकप्रिय लाइब्रेरी मैटप्लोटलिब, सीबॉर्न, प्लॉटली का उपयोग करके डेटा का विश्लेषण करेंगे।

पायथन-8. डेटा विज्ञान उपकरण
पायथन-9. न्यूमपी लाइब्रेरी
पायथन-10. पंडों का परिचय
पायथन-11. पांडा में डेटा के साथ काम करने की बुनियादी तकनीकें
पायथन-12. पांडा में उन्नत डेटा तकनीकें
पायथन-13. डेटा सफ़ाई
पायथन-14. डेटा विज़ुअलाइज़ेशन
पायथन-15. पायथन और डिबगिंग कोड में ओओपी के सिद्धांत (वैकल्पिक मॉड्यूल)
प्रोजेक्ट 1। बंद मुद्दों पर डेटासेट विश्लेषण

डेटा लोडिंग - 6 सप्ताह

आप विभिन्न प्रारूपों और स्रोतों से डेटा डाउनलोड करने में सक्षम होंगे। और SQL, एक संरचित क्वेरी भाषा, इसमें आपकी सहायता करेगी। आप एग्रीगेट फ़ंक्शंस, टेबल जॉइन और कॉम्प्लेक्स जॉइन का उपयोग करना सीखेंगे।
पायथन-16. विभिन्न प्रारूपों की फ़ाइलों से डेटा कैसे डाउनलोड करें
पायथन-17. वेब स्रोतों और एपीआई से डेटा पुनर्प्राप्त करना
एसक्यूएल-0. नमस्ते एसक्यूएल!
एसक्यूएल-1. एसक्यूएल मूल बातें
एसक्यूएल-2. समग्र कार्य
एसक्यूएल-3. तालिकाओं को जोड़ना
एसक्यूएल-4. जटिल जोड़
प्रोजेक्ट 2. नया डेटा लोड हो रहा है. विश्लेषण को परिष्कृत करना

सांख्यिकीय डेटा विश्लेषण - 7 सप्ताह 

इंटेलिजेंस डेटा एनालिसिस (EDA) पर आपका ध्यान केंद्रित रहेगा। आप इस तरह के विश्लेषण के सभी चरणों से परिचित हो जाएंगे और सीखेंगे कि स्टैट्समोडल्स, स्किकिट लर्न, सीबॉर्न, मैटप्लोटलिब, साइपी, पांडास लाइब्रेरी का उपयोग करके इसे कैसे संचालित किया जाए। इसके अलावा, आप प्रतियोगिताओं में भाग लेने के लिए एक लोकप्रिय सेवा कागल पर काम करने में सक्षम होंगे।
ईडीए-1. खुफिया डेटा विश्लेषण का परिचय. ईडीए एल्गोरिदम और तरीके
ईडीए-2. ईडीए के संदर्भ में गणितीय आँकड़े। सुविधाओं के प्रकार
ईडीए-3. फ़ीचर इंजीनियरिंग
ईडीए-4. पायथन में सांख्यिकीय डेटा विश्लेषण
ईडीए-5. पायथन में सांख्यिकीय डेटा विश्लेषण। भाग 2
ईडीए-6. प्रयोगों की रूप रेखा
ईडीए-7. कागल मंच
प्रोजेक्ट 2

मशीन लर्निंग का परिचय - 9 सप्ताह

आप डेटा निर्भरता मॉडलिंग के लिए एमएल लाइब्रेरी से परिचित हो जाएंगे। आप मुख्य प्रकार के एमएल मॉडल को प्रशिक्षित करने, सत्यापन करने, कार्य के परिणामों की व्याख्या करने और महत्वपूर्ण विशेषताओं (सुविधा महत्व) का चयन करने में सक्षम होंगे।
एमएल-1. मशीन लर्निंग सिद्धांत
एमएल-2. पर्यवेक्षित शिक्षण: प्रतिगमन
एमएल-3. पर्यवेक्षित शिक्षण: वर्गीकरण
एमएल-4. बिना पर्यवेक्षित शिक्षण: क्लस्टरिंग और आयामीता में कमी की तकनीकें
एमएल-5. डेटा सत्यापन और मॉडल मूल्यांकन
एमएल-6. लक्षणों का चयन एवं चयन
एमएल-7. मॉडल हाइपरपैरामीटर का अनुकूलन
एमएल-8. एमएल कुकबुक
प्रोजेक्ट 3. वर्गीकरण की समस्या

मुख्य इकाई

रैखिक बीजगणित, गणितीय विश्लेषण, पृथक गणित - यह डरावना लगता है, लेकिन डरो मत: हम इन सभी विषयों का विश्लेषण करेंगे और आपको सिखाएंगे कि उनके साथ कैसे काम करना है! दूसरे चरण में, आप गणित और मशीन लर्निंग की बुनियादी बातों में गहराई से उतरेंगे, डीएस व्यवसायों के बारे में अधिक जानेंगे, और कैरियर मार्गदर्शन के माध्यम से, अध्ययन के दूसरे वर्ष के ट्रैक का चयन करेंगे।

गणित और मशीन लर्निंग। भाग 1 - 6 सप्ताह

आप मैन्युअल गणना और पायथन (वेक्टर और मैट्रिक्स गणना, सेट के साथ काम करना, अंतर विश्लेषण का उपयोग करके कार्यों का अध्ययन करना) का उपयोग करके व्यावहारिक समस्याओं को हल करने में सक्षम होंगे।
गणित एवं एमएल-1. रैखिक विधियों के संदर्भ में रैखिक बीजगणित। भाग पहला
गणित एवं एमएल-2. रैखिक विधियों के संदर्भ में रैखिक बीजगणित। भाग 2
गणित एवं एमएल-3. अनुकूलन समस्या के संदर्भ में गणितीय विश्लेषण भाग 1
गणित एवं एमएल-4. अनुकूलन समस्या के संदर्भ में गणितीय विश्लेषण। भाग 2
गणित एवं एमएल-5. अनुकूलन समस्या के संदर्भ में गणितीय विश्लेषण। भाग 3
प्रोजेक्ट 4. प्रतिगमन समस्या

गणित और मशीन लर्निंग। भाग 2 - 6 सप्ताह

आप संभाव्यता सिद्धांत और गणितीय सांख्यिकी, एल्गोरिदम की बुनियादी अवधारणाओं से परिचित हो जाएंगे क्लस्टरिंग, और निष्पादित क्लस्टरिंग की गुणवत्ता का मूल्यांकन करना और परिणाम प्रस्तुत करना भी सीखें चित्रमय रूप.
गणित एवं एमएल-6। नैवे बेयस क्लासिफायरियर के संदर्भ में संभाव्यता सिद्धांत
गणित एवं एमएल-7. निर्णय वृक्षों पर आधारित एल्गोरिदम
गणित एवं एमएल-8. बूस्टिंग एवं स्टैकिंग
गणित एवं एमएल-9। क्लस्टरिंग और आयामीता में कमी तकनीकें। भाग पहला
गणित एवं एमएल-10। क्लस्टरिंग और आयामीता में कमी तकनीकें। भाग 2
प्रोजेक्ट 5. संयोजन के तरीके

पृथक गणित - 4 सप्ताह

MATH&MGU-1 सेट और कॉम्बिनेटरिक्स
गणित एवं एमजीयू-2 तर्क
गणित एवं एमजीयू-3 ग्राफ़। भाग पहला
गणित एवं एमजीयू-4 ग्राफ़। भाग 2

बिजनेस में एमएल - 8 सप्ताह

आप समय श्रृंखला की समस्याओं और अनुशंसा प्रणालियों को हल करने के लिए एमएल पुस्तकालयों का उपयोग करना सीखेंगे। आप एक एमएल मॉडल को प्रशिक्षित करने और उसे मान्य करने में सक्षम होंगे, साथ ही एक कार्यशील प्रोटोटाइप बना सकेंगे और मॉडल को वेब इंटरफ़ेस में चला सकेंगे। और ए/बी परीक्षण कौशल भी हासिल करें ताकि आप मॉडल का मूल्यांकन कर सकें।
गणित एवं एमएल-11। समय श्रृंखला। भाग पहला
गणित एवं एमएल-12। समय श्रृंखला। भाग 2
गणित एवं एमएल-13। अनुशंसा प्रणाली. भाग पहला
गणित एवं एमएल-14। अनुशंसा प्रणाली. भाग 2
PROD-1. उत्पादन के लिए मॉडल तैयार करना
उत्पाद-2. प्रोटोटाइपस्ट्रीमलिट+हेरोकू
PROD-3. व्यापारिक समझ. मामला
प्रोजेक्ट 6. चुनने के लिए विषय: समय श्रृंखला या अनुशंसा प्रणाली

प्रो स्तर

तीसरे चरण में, आप मशीन लर्निंग विधियों में से एक - डीप लर्निंग (डीएल) से परिचित हो जाएंगे। और चुनी गई विशेषज्ञता का एक पूर्ण ब्लॉक भी आपका इंतजार कर रहा है: आप मशीन लर्निंग कौशल में महारत हासिल कर सकते हैं (एमएल), सीवी (कंप्यूटर विज़न) की दिनचर्या से परिचित हों या एनएलपी*, प्राकृतिक प्रसंस्करण में सुधार करें भाषा।

अध्ययन का दूसरा वर्ष - चुनने के लिए 3 विशेषज्ञताएँ

व्यवसायिक नीति

एमएल, सीवी या एनएलपी: इस स्तर पर आपको अंततः यह विकल्प चुनना होगा कि आगे कौन सा रास्ता अपनाना है। हम आपको प्रत्येक विशेषज्ञता के बारे में बताएंगे और आपके लिए निर्णय लेना आसान बनाने के लिए कई व्यावहारिक समस्याओं को हल करने की पेशकश करेंगे।

ट्रैक एमएल - इंजीनियर

एमएल ट्रैक में, आप गहन मशीन लर्निंग समस्याओं को हल करना सीखेंगे, डेटा इंजीनियर की दक्षताओं में महारत हासिल करेंगे और पायथन पुस्तकालयों के साथ काम करने में अपने कौशल को निखारेंगे। आप यह भी सीखेंगे कि एमवीपी (किसी उत्पाद का न्यूनतम व्यवहार्य संस्करण) कैसे बनाया जाए, एमएल मॉडल को उत्पादन में आउटपुट करने की सभी जटिलताओं को जानें, और जानें कि एमएल इंजीनियर वास्तविक जीवन में कैसे काम करते हैं।
गहन शिक्षण का परिचय
डेटा इंजीनियरिंग मूल बातें
अतिरिक्त पायथन और एमएल अध्याय
प्रभावों और एमवीपी विकास का आर्थिक मूल्यांकन
उत्पादन के लिए एमएल
किसी चुने हुए विषय पर एमएल विकास और स्नातक परियोजना का गहन अध्ययन

ट्रैक सीवी - इंजीनियर

सीवी ट्रैक पर आप छवि वर्गीकरण जैसी कंप्यूटर दृष्टि समस्याओं को हल करना सीखेंगे। विभाजन और पता लगाना, छवि निर्माण और शैलीकरण, बहाली और गुणवत्ता में सुधार तस्वीरें. इसके अलावा, आप सीखेंगे कि तंत्रिका नेटवर्क को उत्पादन में कैसे लाया जाए।
गहन शिक्षण का परिचय
डेटा इंजीनियरिंग मूल बातें
अतिरिक्त पायथन और एमएल अध्याय
प्रभावों और एमवीपी विकास का आर्थिक मूल्यांकन
उत्पादन के लिए एमएल
किसी चुने हुए विषय पर एमएल विकास और स्नातक परियोजना का गहन अध्ययन

ट्रैक एनएलपी - इंजीनियर

एनएलपी ट्रैक पर प्रशिक्षण के दौरान, आप सीखेंगे कि प्राकृतिक भाषा प्रसंस्करण की मुख्य समस्याओं को कैसे हल किया जाए जिसमें वर्गीकरण, सारांशीकरण और पाठ निर्माण, मशीनी अनुवाद और संवाद का निर्माण शामिल है प्रणाली
गहन शिक्षण का परिचय
एनएलपी के लिए तंत्रिका नेटवर्क गणित
एनएलपी समस्याओं को हल करने के लिए हार्ड और सॉफ्टवेयर
एनएलपी कार्य और एल्गोरिदम
उत्पादन में तंत्रिका नेटवर्क
किसी चुने हुए विषय पर एनएलपी विकास और स्नातक परियोजना का गहन अध्ययन

यदि आप सीवी या एमएल विशेषज्ञता चुनते हैं, तो आप बिना सलाहकार के समर्थन के मुफ्त में एनएलपी पाठ्यक्रम ले सकते हैं।

डीप लर्निंग और न्यूरल नेटवर्क

तंत्रिका नेटवर्क का उपयोग कहाँ किया जाता है? तंत्रिका नेटवर्क को कैसे प्रशिक्षित करें? डीप लर्निंग क्या है? इन सवालों के जवाब आपको डीएल के बोनस सेक्शन में मिलेंगे।

डेटा इंजीनियरिंग का परिचय

आप एक डेटा वैज्ञानिक और एक डेटा इंजीनियर की भूमिकाओं के बीच अंतर सीखेंगे, वह अपने काम में कौन से टूल का उपयोग करता है, और वह दैनिक आधार पर कौन से कार्य हल करता है। शब्द "स्नोफ्लेक", "स्टार" और "लेक" नए अर्थ लेंगे :)