Umba Training

Data Science
դասընթաց սկսնակների համար

Ձեռք բեր պահանջված մասնագիտություն 3 ամսում
Դասընթացի արդյունքում
1
Ձեռք կբերես հմտություններ, որոնք պետք են Data science մասնագետ լինելու համար, ինչպիսիք են տվյալների մանիպուլյացիան և վերլուծությունը
2
Կծանոթանաս ոլորտում օգտագործվող գործիքներին և ալգորիթմներն, ինչպիսիք են՝ Python ծրագրավորումը, գրաֆիկական գործիքները և մեքենայական ուսուցումը
3
Կծանոթանաս Data science-ի հիմունքներին և վերջինիս դերին բիզնեսի մեջ
4
Կունենաս բավարար գիտելիքներ, որպես Data science մասնագետ աշխատանքի ընդունվելու համար:
Դասընթացի ծրագիրը
Սկիզբ՝ XX.XX.XXXX

3 ամիս (24 դաս)
շաբաթական 2 անգամ
օրական 1.5 ժամ

Դասընթացն անցկացվելու է հայերեն լեզվով, սակայն հիմնական տերմինաբանությունը կլինի անգլերենով:
Տվյալների գիտության ներածություն Python-ով
Խոսելու ենք տվյալների գիտության ոլորտների, տվյալների գիտության կողմից լուծված խնդիրների և այն մասին, թե ինչու ենք օգտագործում Python-ը:
Ներածություն Python ծրագրավորման բազայի տվյալների գիտության համար
Սովորելու ենք ծրագրավորման հիմնական հմտությունները տվյալների գիտության համար, ինչպիսիք են՝ տվյալների տեսակը (data types), գործողությունները (operations) և գործառույթների օգտագործումը (functions):
Numpy և Pandas գրադարաններ
Այս գրադարանները նախատեսված են տվյալների մաքրման, շահարկման և վերլուծության համար:
Տվյալների նախնական վերամշակում
Տվյալների ընթերցում և տվյալները հասկանալու ընդհանուր վերլուծություն, տվյալների խմբում սխալների հայտնաբերում և ուղղում, լրացնելով բացակայող տվյալները:
Տվյալների վիզուալիզացիա և նկարագրական վիճակագրություն
Ներածություն տվյալների վիզուալիզացիայի գործիքներին Python-ով,
Seaborn-ի տեղադրում՝

- Histograms and Barplots
- Kernel Density Estimate Plots
- Combining Plot Styles
- Box and Violin Plots
- Regression Plots
- Heatmaps and Clustered Matrices:
Տվյալների մոդելավորում
Ամենատարածված և օգտագործված մոդելավորման ալգորիթմներ՝

- Introduction to Supervised and Unsupervised Models
- Linear Regression
- Logistic Regression
- KNN
- Decision Tree
- Random Forest
- SVM
- K-means
- PCA:
Մոդելի գնահատում և օպտիմիզացում
- Overfitting և underfitting
- Լավագույն պարամետրերի ընտրություն
- Մոդելի կատարողականի գնահատում:
Տվյալների գիտության նախագիծ
- Ինչպե՞ս ներկայացնել ձեր հայտնագործությունները
- Ստիպեք ձեր հանդիսատեսին ասել «WOW»
- The truth is not always pretty:
Վկայականների հանձնում
Դասընթացի վերջում մասնակիցները կստանան դասընթացի մասնակցության վկայականներ:
Դասընթացը կվարի
Մարալ Շահվերդյան
Տվյալների գիտության մասնագետ՝ ավելի քան 3 տարվա աշխատանքային փորձով
  • Հմտացել է Python-ի և Rstudio-ի հետ մեքենայական ուսուցման տվյալների վերլուծության և տվյալների վիզուալիզացիայի մեջ
  • Աշխատում է computer vision և Market Related data analytics and predictions նախագծերում
  • Ունի մագիստրոսի կոչում համակարգչային տեղեկատվական գիտության (Ms Computer Information Science) ոլորտում Հայաստանի Ամերիկյան համալսարանում (AUA) և UFAR-ից` ֆինանսական տնտեսագիտության բակալավրի աստիճան
  • Աշխատել է Synergy International Systems ընկերությունում որպես մեքենայական ուսուցման մասնագետ և համակարգի վերլուծաբան
  • Ներկայումս աշխատում է SmartClick.AI ընկերությունում որպես տվյալների գիտության մասնագետ:
Կարծիքներ Մարալի մասին
Դասընթացի արժեքն ամսական
70.000դր
49.000դր
Հայաստանում միջին փորձով Data science մասնագետը ամսական կարող է վաստակել 300.000-350.000 դրամ և ավել:
Հաճախ տրվող հարցեր
Ես ընդհանրապես փորձ չունեմ այս ոլորտում, կարո՞ղ եմ մասնակցել
Այո՛, դասընթացը կազմված է հենց սկսնակների համար՝ 0-ից:
Ո՞ր ժամերին են սկսվում դասերը և ի՞նչ տևողություն ունեն
Դասերն անցկացվում են երեկոյան ժամերին և տևում են 1.5 ժամ:
Պարտադի՞ր է ունենալ համակարգիչ
Այո, դասընթացին մասնակցելու համար համակարգչի առկայությունը պարտադիր է:
Ինչպե՞ս մասնակցեմ
Գրանցվելու համար սեղմիր ԳՐԱՆՑՎԵԼ ԱՆՎՃԱՐ ԲԱՑ ԴԱՍԻՆ կոճակը, լրացրու և ուղարկիր հայտը:
Մտածում ես, թե ու՞մ հետ կարելի է մասնակցել
Կիսվի՛ր, հրավիրի՛ր ընկերոջդ
Close
Հարց տալ
Messenger
Գրանցում անվճար բաց դասին
Լրացրու հետևյալ դաշտերը