Data Science pro začátečníky

7h 0m 30s
Čas
38
Kapitol
886
Studentů
5.0
Hodnocení
Začátečník
Level
slovenský
Jazyk kurzu

Python Data Science

Data Science má mnoho významů a každý v tom vidí něco jiného. Stal se z toho tzv. buzzword. Lidé za něj zaměňují skoro vše, co souvisí s daty, statistikou, umělou inteligencí a podobně.

Nebudu se hádat, co to má přesně znamenat, ale dám ti pohled na věc, jak to vnímám já.

Data science je pro mě několik kroků. První krok je získání dat. Ať už jde o obrázky, videa nebo vyplněné formuláře, musíš je někde nasbírat nebo koupit. Další krok je příprava těchto dat. Musíš si je pěkně zaškatulkovat, setřídit, označit a podobně. Pokud už máš data ve stravitelné formě, přichází na řadu strojové učení (Machine Learning – ML). ML je věda sama o sobě. Je to kombinace matematiky, statistiky, programování a různých algoritmů. Produkt, který tímto získáváme se jmenuje model. Tento model pak můžeme použít k tomu abychom dokázali rozpoznávat obličej na obrázku nebo syntetizovali lidskou řeč.

Vím, zní to všechno velmi obecně. Velmi totiž záleží, co je tvým cílem a v jaké doméně se pohybuješ. Na základě toho pak upravuješ celý tento proces, abys toho cíle dosáhl.

Jelikož v tomto kurzu není možné obsáhnout tak komplexní problematiku, budeme se věnovat Machine Learning. Data totiž můžeme získat již upravené z veřejných databází a cíl si můžeme stanovit jakýkoli, tak abychom se něco naučili, ale zároveň nás to i bavilo.

Název kurzu Data Science je proto trošku zavádějící, i když se věnujeme právě jádru věci Data Science, kterou je Machine Learning. Na výpočty budeme používat PyTorch a Scipy. Tyto frameworky obsahují velmi užitečné algoritmy, funkce a data. Díky tomu se budeme moci věnovat úloze, a ne programování nějakých šílených matematických operací.

Pro koho je kurz určený?

Kurz se snaží lidskou řečí vysvětlit co je to Data Science, co je to Machine Learning, jak fungují neuronové sítě, regrese a SVM a jak to všechno naprogramovat a reálně použít na nějakém příkladu. Je důležité, aby měl člověk základy programování v Pythonu, protože tato věda se silně opírá o matematiku, je dobré mít nějaké základy algebry. Každopádně, všechny koncepty budou od začátku vysvětleny a něco extra bude v doplňkových videích.

Co budeš umět, až skončíš tento kurz?

Kurz pro tebe bude odrazovým můstkem do problematiky Data Science. Jelikož je toto téma sexy, musíš se umět orientovat v tom přetlaku informací a je důležité správně rozlišit, jaké budou tvé další kroky. Budeš mít nějaké základy lineární algebry. Skalár, vektor, matice, transformace, co je to matematická funkce apod.

Také budeš vědět, co se skrývá za výrazy:

  • strojové učení (machine learning),
  • neuronové sítě,
  • zpětná propagace (backpropagation),
  • konvoluční sítě,
  • lineární regrese,
  • support vector machines.
Budeš umět použít stávající modely a také vizualizovat data.

Co všechno dostaneš?

  • kvalitní videotutoriály o Data Science v Pythonu,
  • množství domácích úkolů, zadání a příkladů na procvičení jednotlivých témat,
  • zdrojové kódy ke stažení,
  • diskusní fórum, ve kterém na tvé otázky ke kurzu odpovídá přímo lektor a tví spolužáci,
  • certifikát o absolvování kurzu,
  • garance vrácení peněz do 14 dní, pokud nebudeš s kurzem spokojen.
Online kurz Data Science pro začátečníky je možné

Seznam kapitol

Príprava Vývojového Prostredia
102 Windows
103 macOS
104 Linux
105 Google Colab
106 Jupyter Lab ako IDE
Regresia
201 O čo ide v regresií?📈
202 Python knižnice v živote datavedca📚
203 Regresia ručne stručne✍️
204 PyTorch a Gradient Descent
205 Koľko epoch je dosť epoch? ⏳
206 Normalizácia
207 Vytvorenie Python modulu
Cvičenie 1
Support Vector Machines ( SVM )
301 Úvod do problematiky SVM
302 Ako funguje SVM?🔬
303 SVM v každodennom živote
304 Druhy kernelu a problém preučenia🤓
305 Cross validation a hľadanie parametrov🕵️‍♂️
Cvičenie 2
Neurónové Siete
401 Neuróny v našom mozgu 🧠
402 Analýza MNIST datasetu
403 Budovanie neurónky 🏗
404 Dopredu a dozadu ♺
405 Analýza a vizualizácia neurónky
Cvičenie 3
Konvolučné Siete
501 Ako fungujú Konvolučné neurónové siete?💡
502 Dataset CIFAR 10 🌇🌄🏞
503 Kódenie konvolučnej siete
504 Trénovanie siete a Cross Entropy Loss
505 Čo sa deje vo vnútri konvolučnej siete? 🤯
506 Rýchle výpočty na grafike⚙️
Cvičenie 4
Doplnkové Lekcie
601 Pandas tutorial
602 Tvorba grafov v Matplotlib📈
603 Funkcie a derivácie
604 Backpropagation

Hodnocení kurzu

Pozri aj tieto kurzy