Do kursów dołączamy materiały dodatkowe
Data Scientist z Pythonem
ścieżka rozwoju
66 godz.
lekcji
(1658,00 zł najniższa cena z 30 dni)
1658,00 zł
1951,00 zł (-15%)
- Dodatkowe testy
- Dodatkowy certyfikat, w którym będą uwzględnione wszystkie kursy
- Pewność, że wiedza zawarta w ścieżce będzie ciągle aktualna przez długi czas
- Uporządkowaną wiedzę przygotowującą do zawodu
Data Science - pasjonująca branża z wysokimi zarobkami!
Czynniki, które determinują karierę w data science to między innymi biegłość w przetwarzaniu danych, tworzeniu wizualizacji i interpretacji wyników. W trakcie tworzenia tej ścieżki dołożyliśmy wszelkich starań by zapewnić Ci umiejętności niezbędne do analizy i przetwarzania danych, swobodnego korzystania z bibliotek ML i budowy własnych modeli uczenia maszynowego. Zaczynając od matematycznych podstaw, takich jak algebra liniowa, analiza matematyczna, i statystyka wykształcisz w sobie intuicję matematyczną - zrozumiesz istotę pewnych matematycznych narzędzi oraz kiedy po nie sięgać. Następnie opanujesz pracę z danymi przy użyciu bibliotek takich jak NumPy, Pandas, matplotlib i scikit-learn. Wraz z rosnącym poziomem wtajemniczenia nauczysz się budować i trenować modele sieci neuronowych z Keras i PyTorch. Opanujesz techniki analizy plików audio, tworzenie melspektrogramów oraz uczenie sieci neuronowych na danych audio. Poznasz również zaawansowane zagadnienia, takie jak NLP, transfer learning oraz modele CNN i LSTM. Taka znajomość bibliotek i algorytmów pozwoli Ci na samodzielne rozwiązywanie rzeczywistych problemów ML/AI.
Czego się nauczysz
1 Uczenie maszynowe i głębokie
W teorii i praktyce poznasz najważniejsze algorytmy uczenia maszynowego: maszynę wektorów nośnych (SVM), drzewa decyzyjne i lasy losowe. Nauczysz się korzystać z popularnych bibliotek uczenia maszynowego, takich jak scikit-learn i Keras oraz utworzysz własny silnik rekomendacyjny. Dowiesz się w jaki sposób przygotować dane i trenować modele, a także ocenisz, który algorytm najlepiej sprawdzi się w danym przypadku. Opanujesz techniki klasyfikacji, regresji, redukcji wymiaru oraz poszukiwania skupień. Będziesz tworzyć i trenować modele sieci neuronowych, w tym konwolucyjne (CNN) i rekurencyjne (LSTM), oraz zgłębisz zaawansowane architektury CNN. Poznasz bibliotekę PyTorch i nauczysz się trenować modele na realnych danych.
Czego się nauczysz w tym kroku?
- Implementacji algorytmów od zera, także w językach innych niż Python
- Korzystania z bibliotek scikit-learn i Keras
- Tworzenia silników rekomendacyjnych
- Przygotowania danych i trenowanie modeli
- Oceny i świadomego wyboru odpowiednich algorytmów
- Szacowania skuteczności modeli i diagnozowanie problemów
- Implementacji i fine-tuning modeli generatywnych, takich jak GPT-2
2 Matematyczne podstawy i biblioteki Pythona
Opanujesz podstawy algebry liniowej, analizy matematycznej oraz przetwarzania sygnałów, w tym zastosowanie transformaty Fouriera. Zrozumiesz podstawowe założenia i ograniczenia metod modelowania, takich jak równania różniczkowe czy modele probabilistyczne. Poznasz środowisko Jupyter i Google Colab oraz nauczysz się korzystać z narzędzi Pythona, takich jak numpy, scipy, pandas, sympy i matplotlib. Po przerobieniu tej części ścieżki poszczególne etapy procesu analizy danych, od ich pozyskania, przez obróbkę, aż po wyciąganie wniosków nie będą Ci obce.
Czego się nauczysz w tym kroku?
- Organizacji i optymalizacji kodu pod kątem wydajności i spójności
- Stosowania fundamentalnych praw matematyki do rozwiązywania problemów w różnych obszarach
- Rozumienia języka Python na poziomie składni oraz pracy z bibliotekami
- Pracy z danymi numerycznymi, tekstowymi i czasowymi
- Dopasowywania, agregowania i zestawiania danych
6.00
(5 opinii)
Matematyka. Kurs video. Teoria dla programisty i...
Czas trwania: 14 godz.
Liczba lekcji: 103
5.00
(5 opinii)
Matematyka. Kurs video. Ćwiczenia dla programisty i...
Czas trwania: 8 godz.
Liczba lekcji: 52
5.30
(3 opinii)
Data Science w Pythonie. Kurs video. Przetwarzanie i...
Czas trwania: 8 godz.
Liczba lekcji: 58
3 NLP. Przetwarzanie języka naturalnego
Przetwarzanie języka naturalnego (NLP) to dział sztucznej inteligencji, umożliwiający komputerom zrozumienie, interpretację i generowanie tekstu przypominającego ten pisany przez człowieka. W tej części przyjrzymy się bliżej NLP. Nauczysz się importowania plików tekstowych w formatach TXT i PDF, a następnie przeprowadzisz ich analizę za pomocą biblioteki spaCy, w tym tokenizację, lematyzację i stemming. Będziesz również przetwarzać tekst za pomocą wyrażeń regularnych i porównywać teksty przy użyciu algorytmu word2Vec. Poznasz metody zamiany mowy na tekst i tekstu na mowę oraz modele analizy sentymentu. Zamodelujesz tematy w tekście, co pozwoli Ci lepiej zrozumieć jego strukturę i główne wątki. W efekcie, będziesz wiedzieć jak efektywnie przetwarzać i analizować różnorodne dane tekstowe.
Czego się nauczysz w tym kroku?
- Importowania plików tekstowych (TXT i PDF)
- Przeprowadzania analizy tekstu w bibliotece spaCy (tokenizacja, lematyzacja, stemming)
- Przetwarzania tekstu za pomocą wyrażeń regularnych i named entity recognition
- Modelowania tematów w tekście
4 Web scraping
Przyjrzymy się popularnej technice web scrapingu. Nauczysz się formatować kod w Pythonie zgodnie ze standardem PEP 8 i typować zmienne. Zgłębisz tajniki web scrapingu (zdrapywania danych z Internetu) i legalności zdrapywania danych. Opanujesz korzystanie z Selenium do scrapingu dynamicznie ładowanych stron oraz z modułu BeautifulSoup do zbierania danych z sieci. Wkroczysz w świat uczenia maszynowego, ucząc się teorii i matematyki sieci neuronowych, a także implementacji modelu uczenia się. Tworząc sieci neuronowe w TensorFlow, zrozumiesz ich architekturę, w tym propagację wsteczną i funkcje aktywacji. Ponadto, poznasz techniki analizy plików audio i uczenia sieci neuronowych na takich danych, tworząc zaawansowane modele i analizując ich wyniki.
Czego się nauczysz w tym kroku?
- Web scrapingu za pomocą Selenium i BeautifulSoup
- Implementacji i trenowania sieci neuronowych w TensorFlow
- Pisania i konfigurowania testów jednostkowych z Pytest
- Prototypowania w zeszytach Jupyter Notebook
- Analizy częstotliwości i preprocessing plików audio
- Budowanie i diagnozowanie splotowych sieci neuronowych
Trwa wczytywanie...
- Autorzy:
- Trwa wczytywanie...
- Trwa wczytywanie...
- Ocena:
-
- Wersja:
- Online
- Czas trwania:
- Trwa wczytywanie...
- Technologia:
- Trwa wczytywanie...
O autorach kursów video
Anna Kotarba - z zawodu statystyk, absolwentka kierunku matematyka dla przemysłu i gospodarki na Politechnice Wrocławskiej.
Jeśli akurat nie wykonuje analiz, to najpewniej przekazuje swoją wiedzę innym. Ma czternast...
Anna Kotarba - z zawodu statystyk, absolwentka kierunku matematyka dla przemysłu i gospodarki na Politechnice Wrocławskiej.
Jeśli akurat nie wykonuje analiz, to najpewniej przekazuje swoją wiedzę innym. Ma czternastoletnie doświadczenie w uczeniu matematyki, od sześciu lat prowadzi szkolenia z analizy danych i technik big data.
Założycielka szkoły Korkujemy.online. Pomaga firmom identyfikować kluczowe zmienne i wdrażać dobre praktyki analityczne. Po godzinach najczęściej można ją spotkać na górskich szlakach lub w podróży.
Najlepsze w byciu statystykiem jest to, że możesz się bawić na podwórku u wszystkich.
Mateusz Zimoch - inżynier z dużym doświadczeniem w dziedzinie informatyki, data science, robotyki i sztucznej inteligencji. Zwycięzca konkursu US Navy na prototyp autonomicznego podwodnego drona. Pasjonat systemów wizyj...
Mateusz Zimoch - inżynier z dużym doświadczeniem w dziedzinie informatyki, data science, robotyki i sztucznej inteligencji. Zwycięzca konkursu US Navy na prototyp autonomicznego podwodnego drona. Pasjonat systemów wizyjnych. Skuteczny lider zespołu z udokumentowanym doświadczeniem w realizacji innowacyjnych projektów. Założyciel dwóch startupów skupiających się na rozwoju rozwiązań z zakresu wizji komputerowej opartej na sztucznej inteligencji. Mentor data science i nauczyciel programowania w wielu prywatnych szkołach. Po godzinach miłośnik motoryzacji, lubi majsterkować przy samochodzie i motocyklach. Uwielbia podróżować po świecie, preferuje road trips, czyli podróże samochodowe z przyjaciółmi.
Oleg Żero - Data Scientist, który, jak to określa, lubi wydobywać z danych sens. Na co dzień dostarcza rozwiązania uczenia maszynowego wielkim graczom z branży e-commerce. Z wykształcenia jest inżynierem fotoni...
Oleg Żero - Data Scientist, który, jak to określa, lubi wydobywać z danych sens. Na co dzień dostarcza rozwiązania uczenia maszynowego wielkim graczom z branży e-commerce. Z wykształcenia jest inżynierem fotoniki i absolwentem Królewskiej Akademii Technicznej w Sztokholmie. Brał udział w wielu projektach natury badawczo-naukowej - w ujęciu akademickim, przemysłowym i start-upowym. Prywatnie mąż, ojciec, entuzjasta bliskich i dalekich podróży oraz miłośnik wszelkiej technologii garażowej własnej produkcji.
Z analizą danych jest jak z życiem: wszystko na koniec jest dobrze. Jeśli nie jest dobrze, znaczy, że nie jest to koniec.
Piotr Szajowski — z wykształcenia matematyk (pracę doktorską obronił w dziedzinie teorii gier stochastycznych), który ponad dziesięć lat temu zakończył pracę na uczelni i skoncentrował się na karierze w śr...
Piotr Szajowski — z wykształcenia matematyk (pracę doktorską obronił w dziedzinie teorii gier stochastycznych), który ponad dziesięć lat temu zakończył pracę na uczelni i skoncentrował się na karierze w środowisku biznesowym. Pracował na różnych stanowiskach, zarówno technicznych, jak i menedżerskich, w firmach z branży finansowej, produkcyjnej (motoryzacyjnej) oraz IT. Z metodami uczenia maszynowego zetknął się wielokrotnie: na uczelni, w branży finansowej i ostatnio - jako senior data scientist w jednej z wrocławskich firm z branży IT — w projektach software’owych dla klientów z różnych branż. Z zamiłowania jest żeglarzem i majsterkowiczem. Angażuje się także społecznie, między innymi współtworzył Fundację Garaż, która realizowała projekty rozwijające przedsiębiorczość wśród młodych ludzi na terenie Wrocławia.
„Uczenie maszynowe to nie przyszłość branży IT — to już teraźniejszość. Tak jak dwadzieścia lat temu przeżywaliśmy rewolucję związaną z internetem, tak dziś dzieje się to w przypadku sztucznej inteligencji, której uczenie maszynowe jest istotną częścią. Tak jak do niedawna każdy szanujący się specjalista z branży IT powinien był znać zasadę działania protokołu HTTP i przynajmniej podstawy HTML-a, tak dziś powoli nadchodzą czasy, w których każdy powinien rozumieć działanie uczenia maszynowego, przynajmniej na ogólnym, wysokim poziomie, być może nawet bez konieczności zaglądania do "czarnych skrzynek". Artur C. Clarke twierdził: "Każda wystarczająco zaawansowana technologia jest nieodróżnialna od magii". Ja twierdzę, że każda wystarczająco dobrze poznana technologia, nawet jeśli wygląda trochę "magicznie", daje się od magii odróżnić bardzo łatwo. Mam nadzieję, że kurs, który oddaję w Państwa ręce, pozwoli szybko i łatwo poznać w takim właśnie ujęciu tę pasjonującą dziedzinę, jaką jest uczenie maszynowe”.
Piotr Szajowski
Tobiasz Bajek – ukończył automatykę i robotykę w krakowskiej Akademii Górniczo-Hutniczej. Przez kilka lat pracował w branży aerospace, między innymi tworzył systemy sterowania rakiet w Wojskowym Instytucie Tec...
Tobiasz Bajek – ukończył automatykę i robotykę w krakowskiej Akademii Górniczo-Hutniczej. Przez kilka lat pracował w branży aerospace, między innymi tworzył systemy sterowania rakiet w Wojskowym Instytucie Technicznym Uzbrojenia pod Warszawą. Obecnie jest starszym inżynierem oprogramowania w firmie Vaayu, gdzie zajmuje się programem liczącym ślad węglowy przedsiębiorstw, a także pokrewnymi projektami inżynierii danych. Programuje w Go, Pythonie i języku grafowych baz danych Cypher. Ma doświadczenie międzynarodowe – poza Polską pracował również w Szwajcarii i we Francji. Po godzinach wsłuchuje się w muzykę elektroniczną Squarepushera i piosenki zespołu Republika. Jest zapalonym czytelnikiem i wielkim fanem książek Lema, szczególnie esejów filozoficznych (Dialogi, Golem XIV, Summa Technologiae).
Dzięki opcji "Druk na żądanie" do sprzedaży wracają tytuły Grupy Helion, które cieszyły sie dużym zainteresowaniem, a których nakład został wyprzedany.
Dla naszych Czytelników wydrukowaliśmy dodatkową pulę egzemplarzy w technice druku cyfrowego.
Co powinieneś wiedzieć o usłudze "Druk na żądanie":
- usługa obejmuje tylko widoczną poniżej listę tytułów, którą na bieżąco aktualizujemy;
- cena książki może być wyższa od początkowej ceny detalicznej, co jest spowodowane kosztami druku cyfrowego (wyższymi niż koszty tradycyjnego druku offsetowego). Obowiązująca cena jest zawsze podawana na stronie WWW książki;
- zawartość książki wraz z dodatkami (płyta CD, DVD) odpowiada jej pierwotnemu wydaniu i jest w pełni komplementarna;
- usługa nie obejmuje książek w kolorze.
Masz pytanie o konkretny tytuł? Napisz do nas:
Proszę wybrać ocenę!
Proszę wpisać opinię!
Książka drukowana
* pola obowiązkowe
Proszę czekać...
Oceny i opinie klientów: Data Scientist z Pythonem (24)
Weryfikacja opinii następuje na podstawie historii zamowień na koncie Użytkownika umiejszczającego opinię.
Użytkownik mógł otrzymać punkty za opublikowanie opinii uprawniającej do uzyskania rabatu w ramach Programu Kadr.
-
6
-
5
-
4
-
3
-
2
-
1
5.8(22)
(0)
(1)
(0)
(0)
(1)
więcej opinii