Data Science pre za─Źiato─Źn├şkov

7h 0m 30s
─îas
38
Kapitol
857
Študentov
5.0
Hodnotenie
Za─Źiato─Źn├şk
Level
slovensk├Ż
Jazyk kurzu

Python Data Science

Data Science m├í mnoho v├Żznamov a ka┼żd├Ż v tom vid├ş nie─Źo in├ę. Stal sa z toho tzv. buzzword. ─Żudia za┼ł zamie┼łaj├║ skoro v┼íetko ─Źo s├║vis├ş s d├ítami, ┼ítatistikou, umelou inteligenciou a podobne.

Nebudem sa h├ída┼ą, ─Źo to m├í presne znamena┼ą, ale d├ím ti poh─żad na vec ako to vn├şmam ja.

Data science je pre m┼ła nieko─żko krokov. Prv├Ż krok je z├şskanie d├ít. ─îi u┼ż ide o obr├ízky, vide├í alebo vyplnen├ę formul├íre, mus├ş┼í ich niekde nazbiera┼ą alebo k├║pi┼ą. ─Äal┼í├ş krok je pr├şprava t├Żchto d├ít. Mus├ş┼í si ich pekne za┼íkatu─żkova┼ą, zotriedi┼ą, ozna─Źi┼ą a podobne. Ke─Ć u┼ż m├í┼í d├íta v str├ívite─żnej forme, prich├ídza na rad strojov├ę u─Źenie (Machine Learning - ML). ML je veda sama o sebe. Je to kombin├ícia matematiky, ┼ítatistiky, programovania a r├┤znych algoritmov. Produkt, ktor├Ż t├Żmto z├şskavame, sa vol├í model. Tento model potom vieme pou┼żi┼ą na to, aby sme dok├ízali rozpozn├íva┼ą tv├ír na obr├ízku alebo syntetizovali ─żudsk├║ re─Ź.

Viem, znie to v┼íetko ve─żmi v┼íeobecne. Ve─żmi toti┼ż z├íle┼ż├ş ─Źo je tvojim cie─żom a v akej dom├ęne sa pohybuje┼í. Na z├íklade toho potom upravuje┼í cel├Ż tento proces, aby si ten cie─ż dosiahol.

Ked┼że v tomto kurze nie je mo┼żn├ę obsiahnu┼ą tak komplexn├║ problematiku, budeme sa venova┼ą Machine Learning. D├íta toti┼ż vieme z├şska┼ą u┼ż upraven├ę z verejn├Żch datab├íz a cie─ż si m├┤┼żeme stanovi┼ą ak├Żko─żvek, tak aby sme sa nie─Źo nau─Źili ale z├írove┼ł n├ís to aj bavilo.

N├ízov kurzu Data Science je preto tro┼íku zav├ídzaj├║ci, aj ke─Ć sa venujeme pr├íve jadru veci Data Science, ktorou je Machine Learning. Na v├Żpo─Źty budeme pou┼ż├şva┼ą PyTorch a Scipy. Tieto frameworky obsahuj├║ ve─żmi u┼żito─Źn├ę algoritmy, funkcie a d├íta. V─Ćaka tomu sa budeme m├┤c┼ą venova┼ą ├║lohe a nie programovaniu nejak├Żch ┼íialen├Żch matematick├Żch oper├íci├ş.

Pre koho je kurz ur─Źen├Ż?

Kurz sa sna┼ż├ş ─żudskou re─Źou vysvetli┼ą ─Źo je to Data Science, ─Źo je to Machine Learning, ako funguj├║ neur├│nov├ę siete, regresia a SVM a ako toto v┼íetko naprogramova┼ą a re├ílne pou┼żi┼ą na nejakom pr├şklade. Je d├┤le┼żit├ę, aby mal ─Źlovek z├íklady programovania v Pythone. Ke─Ć┼że t├íto veda sa silno opiera o matematiku, je dobr├ę ma┼ą nejak├ę z├íklady algebry. Ka┼żdop├ídne, v┼íetky koncepty bud├║ vysvetlen├ę od za─Źiatku a nie─Źo extra v doplnkov├Żch vide├ích.

─îo bude┼í vedie┼ą, ke─Ć skon─Ź├ş┼í tento kurz?

Kurz bude pre teba odrazov├Żm most├şkom do problematiky Data Science. Ke─Ć┼że t├íto t├ęma je sexy, mus├ş┼í sa vedie┼ą znavigova┼ą v tom pretlaku inform├íci├ş a je d├┤le┼żit├ę spr├ívne rozl├ş┼íi┼ą, ak├ę bud├║ tvoje ─Ćal┼íie kroky. Bude┼í ma┼ą z├íklady line├írnej algebry. Skal├ír, vektor, matica, transform├ícia, ─Źo je to matematick├í funkcia a pod.

Taktie┼ż bude┼í vedie┼ą ─Źo sa skr├Żva za v├Żrazmi:

  • strojov├ę u─Źenie (machine learning),
  • neur├│nov├ę siete,
  • sp├Ątn├í propag├ícia (backpropagation),
  • konvolu─Źn├ę siete,
  • line├írna regresia,
  • support vector machines.
Bude┼í vedie┼ą pou┼żi┼ą existuj├║ce modely a taktie┼ż vizualizova┼ą d├íta.

Čo všetko dostaneš?

  • kvalitn├ę┬ávideotutori├íly o Data Science v Pythone,
  • mno┼żstvo dom├ícich ├║loh, zadan├ş a pr├şkladov na precvi─Źenie jednotliv├Żch t├ęm,
  • zdrojov├ę k├│dy na stiahnutie,
  • diskusn├ę f├│rum, v ktorom na tvoje ot├ízky ku kurzu odpoved├í priamo lektor a tvoji spolu┼żiaci,
  • certifik├ít o absolvovan├ş kurzu,
  • garancia vr├ítenia pe┼łaz├ş do 14 dn├ş, ak nebude┼í s kurzom spokojn├Ż.

Zoznam kapitol

Úvod do Data Science
100 Teaser
101 ├Üvod do Data Science a Machine Learning­čĄľ
Pr├şprava V├Żvojov├ęho Prostredia
102 Windows
103 macOS
104 Linux
105 Google Colab
106 Jupyter Lab ako IDE
Regresia
201 O ─Źo ide v regresi├ş?­čôł
202 Python kni┼żnice v ┼żivote datavedca­čôÜ
203 Regresia ru─Źne stru─ŹneÔťŹ´ŞĆ
204 PyTorch a Gradient Descent
205 Ko─żko epoch je dos┼ą epoch? ÔĆ│
206 Normalizácia
207 Vytvorenie Python modulu
Cvi─Źenie 1
Support Vector Machines ( SVM )
301 Úvod do problematiky SVM
302 Ako funguje SVM?­čöČ
303 SVM v ka┼żdodennom ┼żivote
304 Druhy kernelu a probl├ęm preu─Źenia­čĄô
305 Cross validation a h─żadanie parametrov­čĽÁ´ŞĆÔÇŹÔÖé´ŞĆ
Cvi─Źenie 2
Neur├│nov├ę Siete
401 Neur├│ny v na┼íom mozgu ­čžá
402 Anal├Żza MNIST datasetu
403 Budovanie neur├│nky ­čĆŚ
404 Dopredu a dozadu ÔÖ║
405 Anal├Żza a vizualiz├ícia neur├│nky
Cvi─Źenie 3
Konvolu─Źn├ę Siete
501 Ako funguj├║ Konvolu─Źn├ę neur├│nov├ę siete?­čĺí
502 Dataset CIFAR 10 ­čîç­čîä­čĆ×
503 K├│denie konvolu─Źnej siete
504 Tr├ęnovanie siete a Cross Entropy Loss
505 ─îo sa deje vo vn├║tri konvolu─Źnej siete? ­čĄ»
506 R├Żchle v├Żpo─Źty na grafikeÔÜÖ´ŞĆ
Cvi─Źenie 4
Doplnkov├ę Lekcie
601 Pandas tutorial
602 Tvorba grafov v Matplotlib­čôł
603 Funkcie a derivácie
604 Backpropagation

Hodnotenia kurzu

Data Science pre za─Źiato─Źn├şkov

Celkovo velmi dobry kurz. Potesil aj zmysel pre humor autora kurzu.

Bohumil M.

Online kurz Data Science pre za─Źiato─Źn├şkov je mo┼żn├ę