Təlim haqqında
Python ilə Data Science öyrənin!
Bu təlimdən sonra Python vasitəsilə müxtəlif data növləri ilə işləməyi, datanı təmizləməyi və analiz üçün hazır vəziyyətə gətirməyi, statistik analizlər etməyi, müxtəlif modellər qurmağı və onları vizuallaşdırmağı, datanıza əsasən gələcək trendləri proqnozlaşdırmağı bacaracaqsınız.
Təlimçi haqqında
Vüsal İsayev - Hazırda Kapital Bankda Kredit risklərinin modelləşdirilməsi üzrə aparıcı mütəxəssis olaraq çalışır. Daha öncə isə Trivago'da Marketing Data Analyst, Hildesheim Universitetində Research Assistant kimi çalışmışdır.
Magistratura təhsilini Almaniyada Hildesheim Universitetində Big Data and Machine Learning üzrə, bakalavr təhsilini isə Azərbaycan Dövlət Neft Akademiyasında Komputer elmləri üzrə almışdır.
Təlimin metodu
Təlim müddətində mövzular praktiki tətbiq üzərindən izah olunacaq. Həftəlik və aylıq testlərlə mövzuların mənimsənilməsi ölçüləcək. Təlim iştirakçıları müxtəlif keyzlər üzərində praktiki olaraq işləyəcəklər. Həmçinin, hər dərsin sonunda ev tapşırıqları ilə keçilən mövzular daha da möhkəmləndiriləcək. Təlimin sonunda iştirakçılar 2 ay ərzində öyrəndikləri bacarıqları tətbiq edərək onlara verilmiş proyekt üzərində işləyəcəklər. Təlim proqramı ərzində iştirakçılara mentorluq dəstəyi də göstəriləcək. Dərslərə davamiyyət və keçirilən testlərin nəticələrinə əsasən iştirakçılar sertifikatla təmin olunacaqdır.
Təlimin auditoriyası
Statistik və riyazi modelləşdirmə ilə məşğul olanlar, Data Science, Data Analitikası, Biznes Analitikası, Marketing Research, Maliyyə Analitikası və Risklərin İdarə Olunması, Proseslərin avtomatlaşdırılması, Aktuari, Sığorta və Bank sahəsində çalışanlar və çalışmaq istəyənlər.
Təlimin proqramı
Part 1 - Pyhton programming
Lesson 1
- Installing python
- Anaconda installation and review of packages
- Working with jupyter and spyder notebooks
- Variables, base types
- Basic String Methods and arithmetic operations
- Indexing, slicing, formatting
- Homework and feedback
Lesson 2
- Lists, tuples, dictionaries, and their methods
- Comparison Operators
- Homework and feedback
Lesson 3
- Simple and nested functions,
- *args and *kwargs
- Homework and feedback
Lesson 4
- Control flow
- Nested if conditions
- if-elif-else
- for while loops and their statements
- Homework and feedback
Lesson 5
- Looping and Unpacking with Dictionaries , List and Tuples
- List, Zip, shuffle functions and methods
- Input function, and random package.
- Polymorphism and try except
- Homework and feedback
Lesson 6
Part 2 - Data Science
Lesson 7
- Introduction to Data Science and Machine Learning
- Supervised and Unsupervised Learning, regression vs classification.
- Math and Statistics
- Homework and feedback
Lesson 8
- Introduction to Machine Learning libraries
- Numpy
- Pandas
Lesson 9
- Visualization of data with Matplotlib
- Visualization of data with Seaborn, Distribution and Categorical plots, Matrix Plots and Grids, Regression plots, styles and colors
- Visualization of data with Plotly and Cufflinks
Lesson 10
Lesson 11
- Math behind machine learning algorithms,
- Simple and Multiple Linear Regression
Lesson 12
Lesson 13
- Dummies with Multiple Linear Regression
- Conversions (categorical to numerical and numerical to categorical )
- Homework and feedback
Lesson 14
- Complete data cleaning, pre processing and modeling steps using real data
Lesson 15
Lesson 16
- Logistic Regression
- Hyperparameter optimization, Randomizer Search and Grid Search
- Homework and feedback
Lesson 17
Lesson 18
- Decision tree and Random Forest regression vs classification
- Homework and feedback
Lesson 19
Lesson 20
- Support Vector Machines regression vs classification
- Homework and feedback
Lesson 21
Lesson 22
- K-Nearest Neighbors regression vs classification
- Homework and feedback
Lesson 23
- Quiz and practice
- Unsupervised Learning
Lesson 24
- Hierarchical clustering and k-means clustering
- Homework and feedback
Lesson 25