【Udemy中英字幕】Deep Data Science For Data Scientists End to End TM

面向数据科学家的深度数据科学 端到端 TM

实时案例研究

讲师：Dr. F.A.K. Noble

双语IT资源独家Udemy付费课程，独家中英文字幕，配套资料齐全！

用不到1/10的价格，即可享受同样的高品质课程，且可以完全拥有，随时随地都可以任意观看和分享。

您将学到什么

• 数据科学简介
• 数据科学会议第 2 部分概述
• 数据科学与传统分析概述
• 数据科学家 数据科学家角色介绍，包括技能、工具和职责。
• 数据科学过程概述
• Python 数据科学概述
• 数据科学 Python 库概述
• 数据科学 R 简介

探索相关主题

• 数据科学
• 其他 IT 和软件
• 信息技术与软件

要求

• 任何人都可以学习这门课程，非常简单。

描述

1. 数据科学简介

概述：-

本节广泛介绍数据科学、其意义及其对各个行业的影响。

涵盖的主题：-

什么是数据科学？

数据在现代世界中的重要性

数据科学在各个领域的应用

数据科学中的关键角色：数据科学家、数据工程师和数据分析师

学习成果：-

了解数据科学的基础知识及其相关性。

确定数据科学的关键作用和应用。

2. 数据科学会议第 2 部分

概述：-

继续介绍，深入探讨数据科学中使用的工具和技术。

涵盖的主题：-

数据科学工具和技术概述

数据整理、探索和可视化简介

了解大数据及其挑战

数据科学的真实案例研究

学习成果：-

深入了解数据科学中使用的工具和技术。

分析数据科学实际应用的真实案例。

3. 数据科学与传统分析

概述：-

本节将数据科学与传统数据分析技术进行对比，强调其差异和进步。

涵盖的主题：-

传统数据分析技术

从传统分析到数据科学的演变

方法、工具和结果的差异

数据科学相对于传统分析的优势

学习成果：-

了解从传统分析到数据科学的演变。

确定数据科学的主要区别和优势。

4. 数据科学家第 1 部分

概述：-

介绍数据科学家的角色，包括技能、工具和职责。

涵盖的主题：-

谁是数据科学家？

数据科学家的基本技能：编程、统计和领域知识

数据科学家使用的常用工具

数据科学家的日常职责

学习成果：-

了解数据科学家的作用和重要性。

确定数据科学家所需的基本技能和工具。

5. 数据科学家（第 2 部分）

概述：-

深入了解作为数据科学家的实际方面，包括挑战和职业机会。

涵盖的主题：-

数据科学家面临的挑战

数据科学中的伦理考量

数据科学家的职业道路和成长机会

建立投资组合并获取实践经验

学习成果：-

深入了解数据科学中的挑战和道德考虑。

了解职业机会以及如何建立强大的数据科学组合。

6. 数据科学过程概述

概述：-

数据科学过程的概述，包括阶段和方法。

涵盖的主题：-

数据科学生命周期

了解数据收集和数据清理

探索性数据分析 (EDA)

模型建立与评估

数据科学模型的部署和监控

学习成果：-

了解数据科学过程所涉及的阶段。

深入了解从数据收集到模型部署的每个步骤。

7. 数据科学过程概述（第 2 部分）

概述：-

继续数据科学过程，重点关注更先进的概念和工具。

涵盖的主题：-

高级数据清理技术

特征工程与选择

超参数调整和模型优化

模型可解释性简介

部署后监控和维护

学习成果：-

掌握数据科学过程中的先进技术。

了解如何优化模型并确保它们在部署后仍然有效。

8. Python 数据科学简介

概述：-

本节介绍 Python 作为数据科学的主要工具。

涵盖的主题：-

为什么使用 Python 进行数据科学？

为数据科学设置 Python 环境

Jupyter Notebook 简介

基本 Python 语法和操作

数据科学 Python 库概述

学习成果：-

设置并使用 Python 执行数据科学任务。

编写基本的 Python 代码并使用 Jupyter Notebook。

9. 用于数据科学的 Python 库

概述：-

重点介绍数据科学中使用的基本 Python 库。

涵盖的主题：

NumPy、Pandas、Matplotlib 和 Seaborn 概述

使用 NumPy 数组

使用 Pandas 进行数据处理

使用 Matplotlib 和 Seaborn 进行数据可视化

机器学习的 SciPy 和 Scikit-Learn 简介

学习成果：-

熟练使用基本 Python 库进行数据操作和可视化。

准备数据进行分析并建立简单的可视化。

10. 数据科学 R 简介

概述：-

介绍 R 作为数据科学的替代工具，重点介绍其优势和生态系统。

涵盖的主题：-

为什么使用 R 进行数据科学？

设置 R 环境

基本 R 语法和操作

RStudio 简介

数据科学 R 库概述（例如 dplyr、ggplot2）

学习成果：-

设置并使用 R 进行数据科学任务。

编写基本的 R 代码并有效使用 RStudio。

本课程适合哪些人：

• 任何想要学习未来技能并成为数据科学家、人工智能科学家、人工智能工程师、人工智能研究员和人工智能专家的人。

显示更多显示较少