Data Scientist

Moduli 1. Rezultatet e të nxënit

• Fitoni njohuri themelore për atë që është Data Science dhe çfarë bëjnë specialistët e Data Science;
• Mësoni rreth Data Science në një kontekst biznesi dhe kush  është e ardhmja e Data Science;
• Kuptoni aplikacionet e Data Science dhe zbuloni disa raste përdorimi për Data Science

Moduli 2. Rezultatet e të nxënit·

• Kuptoni bazat e matematikës dhe statistikave për DS; kuptoni dhe punoni me të dhëna të llojeve të ndryshme ; teknikat e marrjes së mostrave; përfaqësimi dhe vizualizimi i të dhënave; llogaritja dhe interpretimi numerikë parametrat e të cilëve paraqesin të dhënat siç janë: masat e prirjes qendrore, asimetria dhe ndryshueshmëria; interpretimi dhe analizimi tabelave të paparashikuara;
• Llogaritni dhe interpretoni kovariancën dhe korrelacionin;·
• Kuptoni rregullat e probabilitetit;·
• Përdorni Teoremën e Bayes;·
• Dalloni dhe punoni me lloje të ndryshme të shpërndarjes së probabilitetit;përdorimi i Teoremës së Limitit Qendror;·
• Të kuptoni dhe përdorni vlerësimin e pikës dhe intervalin e besimit;·
• Eksploroni dhe kryeni testimin e hipotezës;·
• Merrni vendime të drejtuara nga të dhënat;·
• Kuptoni konceptin e analizës së regresionit;·
• Kryeni analizën e regresionit; Përdorni dhe kuptoni ndryshoret dummy;·
• Kuptoni konceptet e nevojshme për shkencën e të dhënave

Moduli 3. Rezultatet e të nxënit·

• Instalimi dhe prezantimi i mjedisit R, Mësoni rreth operatorëve të matematikës, ndryshoreve dhe vargjeve.·
• Vektorët, faktorët dhe veprimet vektoriale;·
• Krijoni dhe ruani objekte në R;·
• Fitoni njohuri themelore mbi vargjet dhe matricat, listat dhe kornizat e të dhënave;·
• Importo dhe eksporto të dhëna;·
• Fitoni njohuri mbi Strukturat e Kontrollit (nëse,  për, ndërsa, përsëritni, etj). Duke shkruar  funksionet tuaja, objektet, funksionet e lakut dhe Mjetet e korrigjimit të gabimeve;·
• Kuptoni dhe punoni për vargjet dhe datat në R

Moduli 4. Rezultatet e të nxënit

• Fitoni një kuptim themelor të analizave të biznesit;
• Instaloni R-studio dhe konfigurimin e hapësirës së punës dhe mësoni rreth paketave të ndryshme R dhe përdorimit të tyre;
• Programimi R dhe kuptoni se si ekzekutohen pohime të ndryshme në R;
• Fitoni një kuptim të thelluar të strukturës së të dhënave të përdorura në R dhe mësoni të importoni / eksportoni të dhëna në R;
• Përcaktoni, kuptoni dhe përdorni funksionet e ndryshme të zbatueshme dhe funksionet DPLYR;
• Kuptoni dhe përdorni paketat e ndryshme grafike (ggplot) në R për vizualizimin e të dhënave;
• Fitoni një kuptim themelor të koncepteve të ndryshme statistikore;
• Kuptoni dhe përdorni metodën e testimit të hipotezës për të drejtuar vendimet e biznesit;
• Kuptoni dhe përdorni modele lineare, jo lineare të regresionit, metoda pemë, vektor mbështetës makineritë (SVM) dhe teknikat e klasifikimit për analizën e të dhënave;
• Mësoni dhe përdorni rregullat e ndryshme të shoqatës dhe algoritmin Apriori;
• Mësoni dhe përdorni metodat e grumbullimit, duke përfshirë mjetet K, DBSCAN dhe grumbullimin hierarkik.
• Analizoni, modeloni dhe parashikoni seritë kohore (Arima, Sarima, ETS, zbutja eksponenciale dhe hibridemodele). Saktësia e modeleve dhe paketave parashikuese në R.

Moduli 5. Rezultatet e të nxënit

• Të shkruani programin tuaj të parë Python duke zbatuar koncepte të ndryshoreve, vargjeve, funksioneve, sytheve, kushtet;
• Kuptoni nuancat e listave, grupeve, fjalorëve, kushteve dhe degëzimeve, objekteve dhe klasave;
• Punoni me të dhëna në Python siç janë leximi dhe shkrimi i skedarëve, ngarkimi, puna dhe uajtja e të dhënave me Pandas

Moduli 6. Rezultatet e të nxënit

• Fitoni një njohuri të thelluar të proceseve të Shkencës së të Dhënave, grindjeve të të dhënave, eksplorimit të të dhënave, të dhënave vizualizimi, ndërtimi i hipotezave dhe testimi. Ju gjithashtu do të mësoni bazat e statistikave. Instaloni kërkesat e mjedisit Python dhe mjete e biblioteka të tjera ndihmëse.
• Kuptoni konceptet thelbësore të programimit Python të tilla si llojet e të dhënave, tuples, listat, diktimi, operatorët bazik dhe funksionet.
• Kryeni informatikë matematikore të nivelit të lartë duke përdorur paketën NumPy dhe bibliotekën e saj të gjerë të funksioneve matematikore.
• Kryeni llogaritjen shkencore dhe teknike duke përdorur paketën SciPy dhe  nën-paketa të tilla si Integrimi, Optimizimi, Statistikat, IO dhe Weave.
• Kryeni analiza dhe manipulim të të dhënave duke përdorur strukturat dhe mjetet e të dhënave të dhëna në paketën Pandas
• Fito ekspertizë në Mësimin Makineri duke përdorur paketën Scikit-Learn package.
• Fito një njohuri të thellë si  të kuptuarit e modeleve të të mësuarit të mbikëqyrur dhe të  pa mbikëqyrur të tilla si regresioni linear,regresioni logjistik, grumbullimi, zvogëlimi i dimensionacionit, K-NN dhe tubacioni.

Moduli 7. Rezultatet e të nxënit

• Zotëroni konceptet e të mësuarit të mbikëqyrur dhe të pambikëqyrur, motorin e rekomandimeve dhe kohën e modelimit të serive.
• Fitoni zotërim praktik mbi parimet, algoritmet dhe zbatimet e Mësimit Makineri përmes njëqasje praktike që përfshin punën në katër projekte të mëdha fund-për-fund dhe 25+ praktikeushtrime.
• Përvetësoni njohuri të plota të aspekteve statistikore dhe heuristike të Mësimit Makineri.
• Zbatoni modele të tilla si makinat vektoriale mbështetëse, SVM të kernelit, Bayes naive, pema e vendimeve klasifikuese, klasifikues i rastësishëm i pyjeve, regresion logjistik, grumbullim i mjeteve K dhe më shumë në Python.
• Vlerësoni modelet e të mësuarit makineri dhe dekodoni metrikë të ndryshme të saktësisë.
• Përmirësoni modelet përfundimtare duke përdorur një grup tjetër të algoritmit të optimizimit, të cilat përfshijnë teknikat e Boosting & Bagging.
• Kuptoni konceptet teorike dhe si ato lidhen me aspektet praktike të Makinerisë së të mësuarit

Moduli 8. Rezultatet e të nxënit

• Kapni konceptet e Tableau Desktop 10, bëhuni të aftë me statistikat dhe ndërtoni interaktivitet me panelet e aparaturave.
• Zotëroni burimet e të dhënave dhe përzierjen e të dhënave, krijoni ekstrakte të të dhënave dhe organizoni dhe formatoni të dhënat. Përmirësoni llogaritjet aritmetike, logjike, të tabelës dhe LOD dhe analitikën ad-hoc.
• Bëhuni një ekspert në teknikat e vizualizimit të tilla si harta e nxehtësisë, harta e pemëve, ujëvara, Pareto, Gantt ,analiza e grafikut dhe shportës së tregut.
• Mësoni të analizoni të dhënat duke përdorur Tableau Desktop si dhe teknikat e grumbullimit dhe parashikimit.
• Fitoni komandën e koncepteve të hartëzimit të tilla si gjeokodimi i personalizuar dhe zgjedhjet radiale.
• Përmirësoni llojet e specializuara të fushave dhe Tabloja  Fushave e Gjenerale  dhe procesi i krijimit dhe përdorimit të parametrave.
• Mësoni se si të ndërtoni panele aparatesh interaktivë, ndërfaqe historie dhe si ta ndani punën tuaj.

Moduli 9. Rezultatet e të nxënit

• Zotëroni konceptet e kornizës Hadoop dhe vendosjen e saj në një mjedis klaster.
• Kuptoni se si ekosistemi Hadoop përshtatet me ciklin jetësor të përpunimit të të dhënave.
• Mësoni të shkruani programe komplekse MapReduce. Përshkruani se si të merrni të dhëna duke përdorur Sqoop dhe Flume.
• Prezantoheni me Apache Spark dhe përbërësit e tij.
• Renditni praktikat më të mira për ruajtjen e të dhënave.
• Shpjegoni se si të modeloni të dhënat e strukturuara si tabela me Impala dhe Hive

Moduli 10: Rezultatet e të nxënit