Master of Science in Data Science

Kezdje az adattudományi utazást a Liverpool John Moores Egyetem globálisan elismert mesterével.

Főbb jellemzők

• Ingyenes Python programozó Bootcamp
• Karrier alapvető puha készségek program
• WES elismert
• 500+ óra tanulás
• 60+ esettanulmány és projekt
• Kéthetente csoportos mentorálás ipari mentorokkal
• Egy-egy ipari mentorokkal
• Időszerű kétségek feloldása
• Támogatás minden nap 9:00 - 21:00 IST a lekérdezésekhez
• IIIT Bangalore és LJMU Alumni Status

A legjobb készségek, amelyeket megtanulhatsz

Statisztika, prediktív elemzés Python használatával, gépi tanulás, adatvizualizáció, Big Data Analytics stb.

Mesterképzés az LJMU-tól

1823-ig nyúlik vissza, a Liverpool John Moores Egyetem (Egyesült Királyság) mára az egyik legnagyobb és legmegbízhatóbb egyetem az Egyesült Királyságban. Bekerült a világ 100 legjobb fiatal egyeteme közé és az Egyesült Királyság legjobb 50-ébe a Hallgatói elégedettség alapján.

• Végezze el az összes kurzust, hogy elérje ezt a tekintélyes M.Sc. Az Egyesült Királyságbeli LJMU-n szerzett diploma, amellyel elindíthatja karrierjét az adattudományi területen.
• Szerezzen hozzáférést az LJMU teljes digitális könyvtárához, hogy kutasson és megírja a disszertációját.
• Szerezzen mesterfokozatot, amelyet a WES elismer, az offline program költségeinek 1/10-ével.

Kategóriájában legjobb tartalom vezető oktatóktól és iparági vezetőktől videók, esetek és projektek, feladatok és élő előadások formájában.

A program előtti előkészítő tartalom

• Adatelemzés Excelben
• Analitikai problémamegoldás

Data Toolkit

• Bevezetés a Pythonba
• Programozás Pythonban
• Python for Data Science
• Adatvizualizáció Pythonban
• Feltáró adatelemzés
• Credit EDA esettanulmány
• Következtető statisztika
• Hipotézisvizsgálat
• Adatelemzés SQL használatával
• Fejlett SQL és legjobb gyakorlatok
• SQL-hozzárendelés: RSVP-filmek

Gépi tanulás

• Lineáris regresszió
• Lineáris regressziós hozzárendelés
• Logisztikus regresszió
• Osztályozás döntési fák segítségével
• Felügyelet nélküli tanulás: Klaszterezés
• Az NLP és a szövegbányászat alapjai
• Üzleti problémamegoldás
• Esettanulmány: Lead Scoring

Specializáció – Mély tanulás

• Zsákolás és Random Forest
• Fellendítés
• Modellválasztás és általános ML-technikák
• Főkomponens analízis
• Fejlett regresszió
• Advanced ML tok Stuy
• Idősor elemzés
• Bevezetés a neurális hálózatokba és az ANN-be
• Neurális hálózat hozzárendelése
• Konvolúciós neurális hálózatok
• Konvolúciós neurális hálózatok – Ipari alkalmazások
• Objektumészlelés és képszegmentálás (opcionális)
• Ismétlődő neurális hálózatok
• Gesztusfelismerés
• Capstone projekt

Szakterület – Üzleti intelligencia/adatelemzés

• Vizualizálás Tableau segítségével
• Haladó Excel
• Vizualizálás PowerBI használatával
• Strukturált problémamegoldás keretrendszerek segítségével
• Adatok történetmesélése
• Airbnb esettanulmány
• Adatmodellezés
• Fejlett SQL és legjobb gyakorlatok
• Bevezetés a Big Databa és a felhőbe
• Analytics a Spark használatával
• Big Data esettanulmány
• Adatstruktúrák – készletek, szótárak, halmok, sorok
• Keresés és rendezés
• Algoritmuselemzés + Rekurzió
• Fejlett adatbázis-programozás Panda használatával
• Python és SQL Lab
• Capstone projekt

Szakterület - Adatmérnöki

• Adatkezelés és relációs adatbázis-modellezés
• Bevezetés a Big Databa (opcionális)
• Bevezetés a Cloud és az AWS beállításába
• Bevezetés a Hadoop és a MapReduce programozásba
• Hozzárendelés (opcionális)
• NoSQL adatbázisok és Apache HBase és NoSQL adatbázisok és MongoDB (opcionális)
• Adattárház (opcionális)
• Adatbevitel Apache Sqoop és Apache Flume segítségével
• Térkép csökkenti a programozási hozzárendelést
• Hive & Querying
• Hozzárendelés (opcionális)
• Amazon Redshift
• Az Apache Spark bemutatása
• Projekt: ETL Data Pipeline
• AWS felhő infrastruktúra (opcionális)
• A Spark optimalizálása nagyszabású adatfeldolgozáshoz
• Apache Flink (opcionális)
• Valós idejű adatfolyam az Apache Kafka segítségével
• Valós idejű adatfeldolgozás Spark Streaming segítségével
• Hozzárendelés (opcionális)
• Automatizált adatfolyamok építése légáramlással
• Analytics a PySpark használatával
• Projekt: Valós idejű adatfeldolgozás
• Capstone projekt

Kutatási módszertanok

• Bevezetés a kutatásba és a kutatási folyamatba
• Kutatási terv
• Irodalmi áttekintés
• Kutatási projektmenedzsment
• Jelentésírási és prezentációs készségek
• Tudományos etika

mesterdolgozat

• Vizsgálja meg az elvihető (gyors) élelmiszer-fogyasztók táplálkozási mintáit és metabolitjainak ujjlenyomatait PCA és klaszterezési módszerekkel
• Vizsgálja meg a szembetegségek diagnózisát képalkotó szemészeti adatok segítségével
• Orvosi képek strukturálása információs geometriával
• A közösségi média hírfolyamának használata természeti katasztrófákkal kapcsolatos tweetek elhelyezésére a térképen
• A hitelkártya-csalás megelőzése mintafelismeréssel
• Ajánlórendszer kidolgozása egy Médiaóriás számára
• Kockázatmodellezés pénzügyi tevékenységekhez és befektetési banki szolgáltatásokhoz

Kinek szól ez a program?

Bármely szakirány választható előélettől függetlenül. A program mérnököknek, marketing- és értékesítési szakembereknek, pályakezdőknek, adatszakértőknek, tartományszakértőknek, szoftver- és informatikai szakembereknek szól.

Előrelépés a karrierjében

• Adatelemző,
• Data Scientist,
• termékelemző,
• Gépi tanulási mérnök,
• Üzleti elemző