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
Coşqun Hüseynov – Qafqaz Universitetindən məzun olmuşdur. Paşa Sığortada Aktuari şöbəsində Agile komandasında Data Science və Aktuari üzrə Chapter Leader olaraq çalışır. Daha əvvəl Sumqayıt Texnologiya Parkı (STP)-da Konstruksiya Texnologiyaları departamentində Data Analitik olaraq çalışmışdır. Çalışdığı müddət ərzində Python ilə layihələrin avtomatlaşdırılmasını həyata keçirmişdir. Hazırda Paşa Sığortada Prediktiv modellərin qurulması, məlumatların avtomatlaşdırılması, dataların təmizlənməsi, interaktiv vizuallaşdırma və reportların hazırlanması ilə məşğuldur. Bununla yanaşı, Machine Learning alqoritmlərindən ibarət bir startup üzərində çalışmaqdadır.
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
Chapter 1 - Programming basics
Lesson 1
Lesson 2
-
Loops and statements
-
While Loop
-
For Loop
-
If Statement
Lesson 3
Chapter 2 - Statistics
Lesson 4
-
Introduction to Statistics
-
Distributions
-
Population and sampling
-
Explanatory data analysis
-
Measure of Central Tendency & Variabilities
-
Quartiles for decision making
-
Characteristics of Visualization
-
Correlation
-
Hypothesis testing
Lesson 5
Chapter 3 - Fundamentals of Python
Lesson 6
-
Python conceptions
-
List
-
Tuples
-
Functions
-
Packages
-
Numpy library
-
Arrays
-
Slicing
Lesson 7
-
Matrices
-
Dictionaries
-
User defined functions
-
Try except
Lesson 8
Chapter 4 - DataFrames
Lesson 9
-
Pandas library
-
Importing & adjusting Dataframe
-
Explore data with pandas parameters
-
Subsetting pieces for analyze
-
Operations on columns
Lesson 10
Lesson 11
Chapter 5 - Data Cleaning
Lesson 12
-
Importance of Data Cleaning
-
Duplicates variables
-
Explore & Detect problems
-
Dealing with Data types
-
Missing values o Irrelevant columns
-
Summarizing and Replacing missing values
-
Unexpected missing values
-
Standard, Non-Standard missing values
Lesson 13
Lesson 14
-
Data Analytics Practice
-
Data Analytics Quiz
Lesson 15
Chapter 6 - Data Mining
Lesson 16
-
Understanding Data Mining
-
Introduction to Web Scraping
-
BeautifulSoup, Request libraries
-
Scraping real world data
-
SQL connection in Python
Lesson 17
Chapter 7 - Introduction to Machine Learning
Lesson 18
- What is Artificial Intelligence (AI) & Machine Learning (ML) ?
- Workflow in ML
-
Characteristics of Regression, Classification, Clustering models
-
Preperation tools for Predictive models
- Encoding dummy variables
- Train-test identification
- Standard scaling
- Handling with dependent & independent variables
Lesson 19
-
Linear Regression Model
-
Data Preprocessing
- Building Model
- Evaluating
- Logistic Regression Model
-
-
Data Preprocessing
-
Building Model
-
Evaluating
Lesson 20
Lesson 21
-
Building regression models (Random Forest, Decision Tree)
-
Building classification models (XGBoost, LightGBM, Random Forest)
Lesson 22
Lesson 23
Lesson 24
-
Final Quiz
-
Final Case Project