Diese Schulung soll ein tiefgreifendes Verständnis der grundlegenden Konzepte und fortgeschrittenen Techniken vermitteln, die für Datenwissenschaft und -analyse erforderlich sind. Sie vermittelt Kenntnisse in Datenwissenschaft, maschinellem Lernen (ML), Deep Learning, Python, Datenmodellierung und Datenvisualisierung.
Konzepte der Datenwissenschaft und Grundlagen der Vorverarbeitung- Verstehen Sie die grundlegenden Konzepte der Datenwissenschaft und ihre Rolle bei der Entscheidungsfindung.
- Lernen Sie die Programmierung in Python, um Datenbereinigung und Datenanalyse zu bewältigen.
- Erfahren Sie, wie maschinelles Lernen und KI auf eine effektive Datenvorverarbeitung angewiesen sind, um genaue Modelle zu erstellen.
- Entdecken Sie Techniken zur Bereinigung und Vorbereitung von Rohdaten für die Analyse.
- Behandeln Sie fehlende Daten, Ausreißer und Rauschen mit Tools in Python.
- Lernen Sie, wie Sie Normalisierungs-, Standardisierungs- und andere Transformationstechniken anwenden.
- Verstehen Sie die Bedeutung der Auswahl und Erstellung von Merkmalen beim maschinellen Lernen.
- Implementieren Sie Merkmalskodierung, Polynommerkmale und Interaktionsbegriffe.
- Erkunden Sie Metriken zur Wichtigkeit von Merkmalen und Methoden zur Dimensionsreduktion wie die Hauptkomponentenanalyse.
- Verwenden Sie SQL, um Daten aus großen Datensätzen zu extrahieren und vorzuverarbeiten.
- Arbeiten Sie bei Vorverarbeitungsprojekten mit GitHub zusammen, um reproduzierbare Arbeitsabläufe zu gewährleisten.
- Wenden Sie Vorverarbeitungs- und Feature-Engineering-Methoden in Python an, um die Modellleistung bei Data Science- und Data Analysis-Aufgaben zu verbessern.
Die Schulung behandelt Feature Engineering in Python, einschließlich Merkmalskodierung, Polynommerkmale, Interaktionen und Dimensionsreduktion, und verbindet Feature Engineering mit Datenaufbereitung, SQL sowie GitHub und reproduzierbaren Arbeitsabläufen.