Full Stack Data Science kurz

Lekce 1 • Základy programování v Pythonu

Pokrývá syntaxi Pythonu, datové struktury a řídicí tok jako primární programovací jazyk. Vytváří skriptovací základ, na němž závisí veškerá následná práce s daty.

Lekce 2 • Lineární algebra pro datovou vědu

Vyučuje vektory, matice a dekompozice jako matematickou páteř algoritmů strojového učení. Přímo navazuje na redukci dimenzionality a optimalizaci modelů v pozdějších částech.

Lekce 3 • NumPy pro numerické výpočty

Představuje výpočty založené na polích pomocí NumPy pro rychlé numerické operace. Přímo umožňuje maticovou matematiku a vektorizované datové transformace používané v celém kurzu.

Lekce 4 • Základy kalkulu a optimalizace

Pokrývá derivace, gradienty a řetězové pravidlo jako nástroje pro pochopení trénování modelů. Poskytuje intuici pro gradientní sestup používaný v každé kapitole o strojovém učení.

Lekce 1 • Vizualizace dat pomocí Matplotlib a Seaborn

Buduje dovednosti vytváření grafů pomocí Matplotlib a Seaborn pro sdělování datových poznatků. Plynulost ve vizualizaci podporuje jak průzkumnou analýzu dat, tak reporting zainteresovaným stranám v celém kurzu.

Lekce 2 • Příjem dat a základy pandas

Představuje DataFrames, Series a vstupně-výstupní operace se soubory pro načítání strukturovaných dat z více zdrojů. Tvoří vstupní bod pro všechny úlohy manipulace s daty v této kapitole.

Lekce 3 • Tvorba příznaků a transformace

Vyučuje kódování, škálování, binning a vytváření odvozených příznaků pro přípravu dat pro strojové učení. Transformované příznaky jsou přímým vstupem pro všechny modely řízeného učení.

Lekce 4 • Techniky průzkumné analýzy dat

Aplikuje statistické souhrny a vizualizace k odhalení vzorů, korelací a anomálií. Zjištění z průzkumné analýzy dat řídí výběr příznaků a volbu modelu v následujících kapitolách.

Lekce 1 • Psaní základních SQL dotazů

Pokrývá klauzule SELECT, WHERE, ORDER BY a LIMIT pro získávání a filtrování dat. Toto jsou stavební kameny pro každý analytický dotaz v této kapitole.

Lekce 2 • účinných dotazů

Vysvětluje tabulky, klíče, schémata a normalizaci jako strukturální základ relačních databází. Pochopení návrhu schématu je předpokladem pro psaní efektivních dotazů.

Lekce 3 • SQL pro pracovní postupy datové vědy

Aplikuje SQL na extrakci dat, výpočet příznaků a integraci pipeline s Pythonem. Propojuje dotazování do databází a analýzu založenou na pandas z kapitoly 2.

Lekce 4 • Poddotazy a okenní funkce

Představuje poddotazy, CTE a okenní funkce pro pokročilé analytické vzory v SQL. Tyto techniky jsou nezbytné pro žebříčkování, průběžné součty a kohortovou analýzu.

Lekce 1 • odhady výkonnosti

Pokrývá prohledávání mřížky, náhodné prohledávání a k-násobnou křížovou validaci pro robustní optimalizaci modelů. Tyto techniky zabraňují přeučení a zajišťují spolehlivé odhady výkonu.

Lekce 2 • Pracovní postup strojového učení a Scikit-Learn

Představuje kompletní ML pipeline: rozdělení dat, trénování modelů a vyhodnocování predikcí. Stanovuje vzor scikit-learn API používaný v každé následující sekci o strojovém učení.

Lekce 3 • vysoce výkonné souborové modely

Představuje náhodné lesy, gradient boosting a XGBoost jako vysoce výkonné souborové modely. Staví na konceptech jednoduchých modelů k dosažení nejmodernějších výsledků na tabulkových datech.

Lekce 4 • Regresní modely a vyhodnocení

Pokrývá lineární, ridge, lasso a polynomiální regresi pro predikci spojité cílové proměnné. Metriky jako RMSE a R² jsou zde představeny a znovu použity v celé kapitole.

Lekce 1 • Metody detekce anomálií

Aplikuje izolační les, one-class SVM a statistické metody k detekci odlehlých hodnot v datech. Detekce anomálií je přímou aplikací neřízeného učení na reálné problémy.

Lekce 2 • Nelineární redukce dimenzionality

Představuje t-SNE a UMAP pro vizualizaci vysocedimenzionálních dat ve dvou nebo třech rozměrech. Tyto metody odhalují strukturu shluků, kterou PCA v nelineárních datech nemůže zachytit.

Lekce 3 • Modelování témat a faktorizace matic

Pokrývá NMF a LDA pro extrakci latentních témat z kolekcí dokumentů a řídkých matic. Rozšiřuje neřízené učení na případy použití v textu a doporučovacích systémech.

Lekce 4 • Analýza hlavních komponent

Pokrývá PCA jako lineární techniku pro redukci dimenzionality se zachováním rozptylu. Propojuje vlastní rozklad z kapitoly 1 s praktickou kompresí příznaků a vizualizací.

Lekce 1 • Základy neuronových sítí

Představuje perceptrony, aktivační funkce a zpětné šíření jako základní mechaniku neuronových sítí. Propojuje gradientní sestup z kapitoly 1 s pravidly pro aktualizaci vah.

Lekce 2 • Konvoluční neuronové sítě

Pokrývá konvoluci, pooling a CNN architektury pro klasifikaci obrazu a extrakci příznaků. Staví na dopředných sítích pro zpracování prostorových datových struktur.

Lekce 3 • Vytváření modelů s Keras a TensorFlow

Vyučuje sekvenční a funkcionální API pro konstrukci a trénování modelů hlubokého učení. Stanovuje kódovací vzory používané ve všech následujících sekcích hlubokého učení.

Lekce 4 • Rekurentní sítě a modelování sekvencí

Představuje RNN, LSTM a GRU pro modelování sekvenčních dat a časových řad. Připravuje studenty na úlohy zpracování přirozeného jazyka a prognózování v pozdějších kapitolách.

Lekce 1 • Rozpoznávání pojmenovaných entit a extrakce informací

Aplikuje modely pro sekvenční značkování a spaCy k extrakci entit, vztahů a strukturovaných dat z textu. Propojuje NLP modely s praktickými pipeline pro extrakci informací.

Lekce 2 • Slovní embeddingy a sémantické reprezentace

Představuje Word2Vec, GloVe a FastText pro husté sémantické reprezentace slov. Embeddingy nahrazují řídké vektory a zlepšují výkon modelů v navazujících NLP úlohách.

Lekce 3 • Transformerové modely a BERT

Představuje mechanismus pozornosti, architekturu transformeru a BERT pro kontextové NLP. Pokrývá dolaďování předtrénovaných modelů pro klasifikaci a rozpoznávání pojmenovaných entit.

Lekce 4 • Předzpracování textu a reprezentace

Pokrývá tokenizaci, stemming, odstranění stop-slov a TF-IDF pro převod surového textu na příznaky. Tyto kroky předzpracování jsou základem každé NLP pipeline v této kapitole.

Lekce 1 • ML pipeline a orchestrace pracovních postupů

Představuje Airflow a Prefect pro plánování, orchestraci a monitorování ML trénovacích pipeline. Automatizované pipeline nahrazují ruční přetrénování a snižují provozní riziko.

Lekce 2 • Monitorování modelů a detekce driftu

Pokrývá drift dat, drift konceptu a monitorování degradace výkonu u nasazených modelů. Průběžné monitorování uzavírá smyčku mezi nasazením a přetrénováním modelu.

Lekce 3 • Struktura ML projektu a reprodukovatelnost

Stanovuje rozvržení projektu, virtuální prostředí a postupy správy verzí pro reprodukovatelné ML. Reprodukovatelnost je předpokladem pro každou úlohu nasazení a spolupráce v této kapitole.

Lekce 4 • Sledování experimentů a registr modelů

Aplikuje MLflow pro protokolování parametrů, metrik a artefaktů napříč trénovacími běhy. Registr modelů umožňuje verzované povýšení z experimentu do produkce.