Ho Lee Fuk

Сенсей
🛡 МОДЕРАТОР 🛡
Регистрация
22 Февраль 2018
Сообщения
10.569
Автор: coursera

Название: Введение в специализацию по науке о данных (2024)

1710193696167-png.116124


Описание:

Introduction to Data Science Specialization

coursera

Начните свою карьеру в области науки о данных. Получите базовые навыки в области науки о данных, чтобы подготовиться к карьере или дальнейшему углубленному обучению в области науки о данных.

Что вы узнаете

Описать, что такое наука о данных и машинное обучение, их приложения и варианты использования, а также различные типы задач, выполняемых специалистами по данным.

Получите практическое представление об распространенных инструментах обработки данных, включая JupyterLab, R Studio, GitHub и Watson Studio.

Развивайте мышление, позволяющее работать как специалист по данным, и следуйте методологии для решения различных типов проблем науки о данных.

Пишите операторы SQL и отправляйте запросы к облачным базам данных с помощью Python из блокнотов Jupyter.

Навыки, которые вы получите

Наука о данных

Программирование на Python

Облачные базы данных

SQL

Система управления реляционными базами данных (СУБД)

Хотите узнать больше о науке о данных, но не знаете, с чего начать? Эта специализация IBM из 4 курсов предоставит вам ключевые базовые навыки, необходимые любому специалисту по данным, чтобы подготовить вас к карьере в области науки о данных или дальнейшему углубленному обучению в этой области.

Эта специализация познакомит вас с тем, что такое наука о данных и чем занимаются специалисты по данным. Вы откроете для себя применимость науки о данных в различных областях и узнаете, как анализ данных может помочь вам принимать решения на основе данных. Вы обнаружите, что можете начать свою карьеру в этой области, не имея предварительных знаний в области информатики или языков программирования: эта специализация даст вам основу, необходимую для более углубленного обучения для достижения ваших карьерных целей.

Вы познакомитесь с такими понятиями, как большие данные, статистический анализ и реляционные базы данных, а также познакомитесь с различными инструментами с открытым исходным кодом и программами для обработки данных, используемыми специалистами по данным, такими как Jupyter Notebooks, RStudio, GitHub и SQL. Вы пройдете практические лабораторные работы и проекты, чтобы изучить методологию решения проблем науки о данных и применить свои недавно приобретенные навыки и знания к реальным наборам данных.

Помимо получения сертификата об окончании специализации от Coursera, вы также получите цифровой значок от IBM, подтверждающий, что вы являетесь специалистом в области науки о данных.

Эта специализация также может быть применена к

Сертификат профессионального специалиста по науке о данных IBM.

Проект прикладного обучения

Все курсы по специализации содержат множество практических занятий и заданий, которые помогут вам получить практический опыт и навыки работы с различными наборами данных и инструментами, такими как Jupyter, GitHub и R Studio. Создайте свое портфолио по науке о данных на основе артефактов, которые вы создаете в рамках этой программы. Кульминационные проекты курса включают в себя

Создание и обмен блокнотом Jupyter, содержащим блоки кода и уценку.

Разработка проблемы, которую можно решить, применяя методологию науки о данных, и объяснение того, как применять каждый этап методологии для ее решения.

Использование SQL для запроса наборов данных переписи населения, преступности и демографических данных для выявления причин, влияющих на показатели зачисления, безопасности, здоровья и окружающей среды в школах.

Материал на английском языке

Подробнее:
Для просмотра содержимого вам необходимо авторизоваться.

Скачать:
Скрытое содержимое могут видеть только члены группы Премиум.


Скрытый контент для пользователей All-dar.
 

Создайте учетную запись или войдите, чтобы комментировать или скачивать материалы!

У вас должна быть учетная запись, чтобы оставлять комментарии

Зарегистрироваться

Создайте учетную запись. Это просто!

Авторизоваться

У вас уже есть аккаунт? Войдите здесь.

Сверху