Data Science with Python

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. 

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.

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.

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.

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

• Quiz and task based exam

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 

• Practice

Lesson 11 

• Math behind machine learning algorithms,
• Simple and Multiple Linear Regression

Lesson 12

• Practice

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

• Pfractice

Lesson 16

• Logistic Regression
• Hyperparameter optimization, Randomizer Search and Grid Search
• Homework and feedback

Lesson 17

• Practice

Lesson 18

• Decision tree and Random Forest regression vs classification
• Homework and feedback

Lesson 19

• Quiz and practice

Lesson 20

• Support Vector Machines regression vs classification
• Homework and feedback

Lesson 21

• Practice

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

• Final Exam