Full Stack Data Science Képzés

1. óra • Python programozási alapok

A Python szintaxisát, adatszerkezeteit és vezérlési folyamatait tárgyalja, mint elsődleges programozási nyelvet. Megalapozza azt a szkriptelési alapot, amelytől minden későbbi adatmunka függ.

2. óra • Lineáris algebra az adattudományhoz

Vektorokat, mátrixokat és felbontásokat tanít, mint a gépi tanulási algoritmusok matematikai gerincét. Közvetlenül kapcsolódik a későbbi dimenziócsökkentéshez és modelloptimalizáláshoz.

3. óra • NumPy a numerikus számításhoz

Bemutatja a tömb alapú számítást a NumPy segítségével a gyors numerikus műveletekhez. Közvetlenül lehetővé teszi a mátrixmatematikát és a vektorizált adatátalakításokat, amelyeket a kurzus során használni fognak.

4. óra • Számítási és optimalizálási alapok

Deriváltakat, gradienseket és a láncszabályt tárgyalja, mint a modelltréning megértésének eszközeit. Megadja azt az intuíciót, amely a gradiens süllyedés mögött áll, és amelyet minden ML fejezetben használni fognak.

1. óra • Adatvizualizáció a Matplotlib és Seaborn segítségével

Diagramkészítési készségeket fejleszt a Matplotlib és a Seaborn segítségével az adatbetekintések kommunikálásához. A vizualizációs jártasság támogatja mind az EDA-t, mind az érdekelt feleknek szóló jelentéseket a kurzus során.

2. óra • Adatbetöltés és Pandas alapok

Bemutatja a DataFrame-eket, Series-eket és fájl I/O-t strukturált adatok több forrásból történő betöltéséhez. Ez képezi a belépési pontot az összes adatmanipulációs feladathoz ebben a fejezetben.

3. óra • Jellemzőtervezés és átalakítás

Kódolást, skálázást, kategorizálást és származtatott jellemzők létrehozását tanítja az ML-re való adatelőkészítéshez. Az átalakított jellemzők képezik az összes felügyelt tanulási modell közvetlen bemenetét.

4. óra • Feltáró adatelemzési technikák

Statisztikai összefoglalókat és vizualizációkat alkalmaz a mintázatok, korrelációk és anomáliák feltárására. Az EDA megállapításai irányítják a jellemzőkiválasztást és a modellválasztást a következő fejezetekben.

1. óra • Alapvető SQL lekérdezésírás

A SELECT, WHERE, ORDER BY és LIMIT záradékokat tárgyalja az adatok lekéréséhez és szűréséhez. Ezek az építőkövei minden analitikai lekérdezésnek ebben a fejezetben.

2. óra • Relációs adatbázis fogalmak

Táblákat, kulcsokat, sémákat és normalizálást magyaráz, mint a relációs adatbázisok strukturális alapját. A séma tervezésének megértése előfeltétele a hatékony lekérdezések írásának.

3. óra • SQL az adattudományi munkafolyamatokhoz

SQL-t alkalmaz adatkinyerésre, jellemzőszámításra és folyamatintegrációra Pythonnal. Összeköti az adatbázis-lekérdezést a 2. fejezetben tárgyalt pandas alapú elemzéssel.

4. óra • Alkérdezések és ablakfüggvények

Alkérdezéseket, CTE-ket és ablakfüggvényeket mutat be haladó analitikai SQL mintákhoz. Ezek a technikák elengedhetetlenek a rangsoroláshoz, a futó összegekhez és a kohorszanalízishez.

1. óra • Hiperparaméter-hangolás és keresztvalidáció

Rácskeresést, véletlen keresést és k-szoros keresztvalidációt tárgyal a robusztus modelloptimalizáláshoz. Ezek a technikák megakadályozzák a túltanulást és biztosítják a megbízható teljesítménybecsléseket.

2. óra • Gépi tanulási munkafolyamat és Scikit-Learn

Bemutatja a teljes ML folyamatot: adatok felosztása, modellek illesztése és előrejelzések kiértékelése. Megalapozza a scikit-learn API mintát, amelyet minden későbbi ML szakaszban használni fognak.

3. óra • Ensemble módszerek és boosting

Véletlen erdőket, gradiens boostingot és XGBoost-ot mutat be, mint nagy teljesítményű ensemble modelleket. Az egymodelles koncepciókra építve éri el a legkorszerűbb eredményeket táblázatos adatokon.

4. óra • Regressziós modellek és kiértékelés

Lineáris, ridge, lasso és polinomiális regressziót tárgyal folytonos célváltozó előrejelzéséhez. Itt kerülnek bevezetésre az olyan kiértékelési metrikák, mint az RMSE és az R², amelyeket a fejezet során újra használni fognak.

1. óra • Anomáliadetektálási módszerek

Izolációs erdőt, egyosztályos SVM-et és statisztikai módszereket alkalmaz a kiugró értékek észlelésére az adatokban. Az anomáliadetektálás a felügyelet nélküli tanulás közvetlen alkalmazása valós problémákra.

2. óra • Nemlineáris dimenziócsökkentés

t-SNE-t és UMAP-ot mutat be a nagy dimenziójú adatok két- vagy háromdimenziós vizualizálásához. Ezek a módszerek olyan klaszterstruktúrát tárnak fel, amelyet a PCA nem képes megragadni a nemlineáris adatokban.

3. óra • Témamodellezés és mátrixfaktorizáció

NMF-et és LDA-t tárgyal a látens témák dokumentumgyűjteményekből és ritka mátrixokból történő kinyeréséhez. Kiterjeszti a felügyelet nélküli tanulást a szöveges és ajánlórendszeri használati esetekre.

4. óra • Főkomponens-elemzés

PCA-t tárgyal, mint lineáris technikát a varianciamegtartó dimenziócsökkentéshez. Összeköti az 1. fejezetbeli sajátérték-felbontást a gyakorlati jellemzőtömörítéssel és vizualizációval.

1. óra • Neurális hálózatok alapjai

Perceptronokat, aktivációs függvényeket és visszaterjesztést mutat be, mint a neurális hálózatok magmechanikáját. Összeköti az 1. fejezetbeli gradiens süllyedést a súlyfrissítési szabályokkal.

2. óra • Konvolúciós neurális hálózatok

Konvolúciót, pooling-ot és CNN architektúrákat tárgyal képbesoroláshoz és jellemzőkinyeréshez. Az előrecsatolt hálózatokra építve kezeli a térbeli adatszerkezeteket.

3. óra • Modellek építése a Keras és TensorFlow segítségével

A Sequential és Functional API-kat tanítja a mélytanulási modellek felépítéséhez és betanításához. Megalapozza azokat a kódolási mintákat, amelyeket minden későbbi mélytanulási szakaszban használni fognak.

4. óra • Rekurrens hálózatok és szekvenciamodellezés

RNN-eket, LSTM-eket és GRU-kat mutat be a szekvenciális és idősor adatok modellezéséhez. Felkészíti a hallgatókat a későbbi fejezetekben tárgyalt NLP és előrejelzési feladatokra.

1. óra • Neves entitás felismerés és információ kinyerés

Szekvenciacímkéző modelleket és spaCy-t alkalmaz entitások, relációk és strukturált adatok szövegből történő kinyerésére. Összeköti az NLP modelleket a gyakorlati információ-kinyerési folyamatokkal.

2. óra • Szóbeágyazások és szemantikus reprezentációk

Word2Vec, GloVe és FastText bemutatása sűrű szemantikus szóreprezentációkhoz. A beágyazások felváltják a ritka vektorokat és javítják a modell teljesítményét a downstream NLP feladatokon.

3. óra • Transzformátor modellek és BERT

Bemutatja a figyelem mechanizmust, a transzformátor architektúrát és a BERT-et a kontextuális NLP-hez. A downstream osztályozási és neves entitás felismerési feladatok finomhangolását tárgyalja.

4. óra • Szöveg előfeldolgozás és reprezentáció

Tokenizálást, szótövezést, stop-szó eltávolítást és TF-IDF-et tárgyal a nyers szöveg jellemzőkké alakításához. Ezek az előfeldolgozási lépések képezik minden NLP folyamat alapját ebben a fejezetben.

1. óra • ML folyamatok és munkafolyamat-vezénylés

Airflow-t és Prefect-et mutat be az ML tanítási folyamatok ütemezéséhez, vezényléséhez és monitorozásához. Az automatizált folyamatok felváltják a kézi újratanítást és csökkentik az operatív kockázatot.

2. óra • Modell monitorozás és sodrásészlelés

Adatsodródást, koncepciósodródást és teljesítményromlás monitorozását tárgyalja a telepített modellek esetében. A folyamatos monitorozás összezárja a kört a telepítés és a modell újratanítása között.

3. óra • ML projektstruktúra és reprodukálhatóság

Projektelrendezést, virtuális környezeteket és verziókezelési gyakorlatokat határoz meg a reprodukálható ML-hez. A reprodukálhatóság előfeltétele minden telepítési és együttműködési feladatnak ebben a fejezetben.

4. óra • Kísérletkövetés és modellregiszter

MLflow-t alkalmaz a paraméterek, metrikák és artefaktumok naplózásához a tanítási futtatások során. A modellregiszter lehetővé teszi a verziózott előléptetést a kísérletből az éles környezetbe.