数据科学课程
使用Python学习高级数据科学和机器学习
接受培训和认证
为数据科学工作
在2800公司
的数字Vidya优势
获得NASSCOM FutureSkills认证
100%面试完成保证
获批准的课程2800+公司要求
为什么学习数据科学?
巨大的需求
*根据NASSCOM报告，印度IT行业的AI专业人员就业缺口
伟大的工资
*根据NASSCOM报告，印度IT行业的AI专业人员就业缺口
你准备好学习了吗数据科学?
无论你是学生还是有经验的专业人士，如果你能满足以下先决条件，你都可以成为一名数据科学家
的必备条件
- 希望学习编程的程序员或非程序员
- 良好的分析能力
- 热情的问题解决者
Digital Vidya的学生简介
- 学生60％
- 非it专业人士40%
- IT专业人员30%
讨论课程与你的相关性
NASSCOM FutureSkills认证课程
接受培训和认证数据科学的工作2800公司
- NASSCOM FutureSkills认证了Digital Vidya的数据科学课程，因为它涵盖了各行业100%的数据科学技能
- 课程由SSC NASSCOM与工业界合作设计，并由政府批准。
- 每个课程参与者都将获得联合数字Vidya和NASSCOM FutureSkills”课程参与证书完成课程
-
20多家领先公司参与了NASSCOM课程的制定
讨论课程与你的相关性
50+实习伙伴
100%面试保证提供
Digital Vidya为合格的新毕业生和在职专业人士提供100%的面试保证支持，他们通过Python数据科学课程获得认证。
我们有一个专门的安置小组，与我们的参与者密切合作，满足他们的安置需求。这是我们安置过程的快照。
简历创建
在成功完成课程(包括作业和认证)后，我们将与候选人一起创建一份有效的简历。
01
工作申请
更新后的简历将与相关机构共享。对于入围名单，我们会进行第一轮讨论。
02
面试准备
根据候选人入围的组织和简介，我们帮助候选人准备完整的面试过程。
03
选择与加入
面试成功后，我们引导应聘者从接受offer到加入组织，开始成功的职业生涯。
04
有关我们的数据科学使用Python课程的安置支持的进一步信息
Python基础，数据科学，数据可视化和机器学习使用Python
Python数据科学课程教学大纲
- 《数据科学与分析技术概论
- Python的基本面
- Python MySQL
- Numpy
- 熊猫数据框架和数据分析
- 统计数据基础
- Python机器学习
- 回归与分类
- 支持向量机简介
- 机器学习-聚类介绍
- 推荐系统
- NLP简介
- 数据科学概论
- Python简介
- 数据分析管道
- 什么是数据提取
- 数据类型
- 原始和处理过的数据
- 数据争吵
- 分析技术概述
- 分析
- 业务分析
- 商业智能
- 行业的例子
基本面
- 安装
- Python -语法
- 变量和数据类型
- Python -数字
- 字符串
- 序列
- 列表
- 元组
- 范围
- 字典
- 集
- 运营商
- 如果其他……语句
- For循环
- While循环
- 打破
- 继续
- 通过
- 日期和时间
- 功能
- 包和模块
- 读取文件
- 写入文件
- 类和对象
- Python -例外
- 常规的实验
- 数学
Python中的函数
- 类方法vs静态方法
- 在Python - pass语句中编写一个空函数
- 收益而不是回报
- 返回多个值
- Python中的部分函数
- Python中的First Class函数
- 精密处理
- *args和**kwargs
- Python闭包
- 函数修饰符
- Python中的装饰器
- Python中带有参数的装饰器
- 在Python中使用装饰器的记忆
- int上的Python位函数(bit_length, to_bytes和from_bytes)
面向对象的概念
- 类、对象和成员
- 数据隐藏和对象打印
- 继承，对象，子类和父类的例子
- Python中的多态性
- 类和静态变量
- 类方法和静态方法
- 更换班级成员
- Python中的构造函数
- Python中的析构函数
- 一流的功能
- Str () vs repr()
- Str () vs vpr()
- 使用元类进行元编程
- 类和实例属性
- 反射
- 障碍物体
- 定时器对象
- 垃圾收集
- 环境设置
- 数据库连接
- 创建新数据库
- 创建表
- 插入操作
- 读操作
- 更新操作
- 连接操作
- 执行事务
- ndarray
- 创建数组
- 数据类型对象
- 数据类型NumPy中的对象(dtype)
- 索引
- 基本切片和线性代数
- 排序，搜索和计数
- Set 1(简介)高级索引
- 遍历数组
- 二元运算
- 数学函数
- 字符串操作
- 第二组(高级)
- 在Python中使用Numpy在单行中两个矩阵的乘法
熊猫DataFrame
- 创建Pandas数据框架
- 处理Pandas数据框架中的行和列
- 用Pandas索引和选择数据
- 熊猫的布尔索引
- Pandas数据框架中的转换函数
- 遍历Pandas数据框架中的行和列
- 处理Pandas中的缺失数据
- 使用文本数据
- 使用日期和时间
- 合并，连接和连接
数据分析
- 使用Bokeh进行数据可视化
- Python中的探索性数据分析
- Python中不同图表的数据可视化
- 使用Python进行数据分析和可视化
- 数据分析的数学运算
- 图形化显示单个变量
- 选址措施
- 传播方法
- 显示关系-双变量数据
- 散点图
- 度量两个或多个变量的关联
- 协方差与相关
- 概率
- 联合概率和独立事件
- 条件概率
- 贝叶斯定理
- 先验，可能性和后验
- 离散随机变量
- 离散随机变量的概率分布
- 二项分布
- 连续随机变量
- 概率分布函数
- 均匀分布
- 正态分布
- 点估计
- 区间估计
- 假设检验
- 检验片面的假设
- 检验一个双面假设
- 机器学习的应用
- 监督学习与非监督学习
- 适合机器学习的Python库
- 回归-特征和标签
- 回归-训练和测试
- 回归-预测和预测
- 回归-理论及其工作原理
- 回归-如何编程最佳拟合斜率
- 回归-如何编写最佳拟合线
- 回归- R平方与决定系数理论
- 模型评价方法
分类
- 分类介绍
- 对数据应用K个最近邻
- 欧几里得距离理论
- 决策树
- 回归树
- 随机森林
- 增强算法
- 主成分分析
- 线性判别分析
- 向量的基础
- 支持向量机基础
- 基于支持向量机的约束优化
- 在Python中从头开始使用SVM
- Python中的支持向量机优化
- 可视化和预测与我们的自定义支持向量机
- 内核的介绍
- 软裕度支持向量机
- 处理机器学习中的非数值数据
- K-Means与Titanic数据集
- Python中的K-Means从头开始
- 用Python从头开始完成K-Means
- 具有Mean Shift引入的分层聚类
- 朴素贝叶斯分类器
- 朴素贝叶斯分类器与Scikit
- 介绍使用朴素贝叶斯的文本分类
- 文本分类的Python实现
- 基于内容的推荐系统
- 协同过滤
- 文本预处理
- 噪声去除
- 词汇规范化
- 词元化
- 阻止
- 对象标准化
- 从文本到特征(文本数据上的特征工程)
- 语法解析
- 依赖语法
- 词性标注
- 实体解析
- 短语检测
- 命名实体识别
- 主题造型
- 字格
- 统计特性
- Tf - idf
- 频率/密度特征
- 可读性的特点
- 字嵌入
- NLP的重要任务
- 文本分类
- 文本匹配
- Levenshtein距离
- 语音匹配
- 灵活的字符串匹配
- 重要的NLP库
Python基础，数据科学，数据可视化和机器学习
数据科学课程
72小时以上的手工作业
Python的实践数据科学课程作业
使用Python加强数据科学技能的模块作业
注:以下列表并不全面。我们根据行业专家和参与者的反馈添加/编辑作业。
Python简介
本作业将介绍变量、数据类型和各种运算符(算术、逻辑、比较)。
深入了解Python
除了条件循环和迭代循环之外，还将介绍Python列表、字典等重要数据类型。还将介绍数据清理的一些方面。
NumPy库介绍
NumPy是一个用于数值/统计操作的重要Python库，在数据科学中至关重要。这里将向您介绍Numpy库。
利用Pandas库进行数据操作
数据操作对数据科学至关重要。这种数据操作是使用Python中的Pandas库完成的。您将介绍Pandas，函数(iloc, tail, head, groupby, fillna等)，这是最常用的将在这里讨论。
数据操作使用熊猫库- 2
这是使用Pandas进行数据操作的第二部分。你将被要求解决处理数据的复杂问题。您将构建函数，并将其应用于实际和适用的Pandas数据帧上。
分析和操作数据
时间序列是一种经常被发现用于分析的数据。分析、操作和理解这些数据是这项任务的结果。
数据可视化
数据可视化是数据科学的重要组成部分。当我们从数据中创建故事/见解时，这些故事/见解通过可视化显示出来。本作业将帮助您使用Matplotlib和Seaborn Python库实现各种可视化。
合并多个数据集为一个
数据来自不同的来源，将多个数据集连接/合并/连接为一个数据集是一个常见的用例。本作业将帮助您学习使用Python合并/连接数据集，并通过将行转换为列或反之亦然来熔化/改变数据集的维度
统计学:概率，假设检验
多元线性回归与二次回归分析
树、决策树、集合学习(随机森林)简介
分类介绍，物流回归和使用分类算法的文本分析
无监督学习，无监督学习技术- k意味着聚类，层次聚类
偏差-方差权衡，模型评估技术
逻辑回归模型调整
4项目
Python数据科学课程Capstone项目
每位参与者必须解决一个Capstone项目，才有资格获得我们的Python数据科学认证。鼓励学习者解决所有可用的项目，以提高跨多个领域的技能。
自然语言处理
时长:3周
项目描述:
这是跨领域和行业的人工智能、数据科学和机器学习应用最广泛的领域之一。现实世界充斥着杂乱的文本数据，处理文本是制作更智能算法的重要一步。使用来自电影领域的IMDB数据集，学习者将应用NLP的最常见概念。
主要结论:
该项目将使学习者在自然语言处理领域建立中级技能。本项目中涉及的文本数据工作的一些基本原理是:
- 删除停止词
- 应用词干和词根化
- 创建一组单词
- 建立情感分析模型和聚类模型
医疗分析
时长:3周
项目描述:
脑电图(EEG)是一种记录脑电活动的电生理监测方法。对于这个项目，我们将使用UCI机器学习库中的大型EEG数据库。这一数据来自一项大型研究，该研究旨在检查脑电图与遗传酒精倾向的相关性。一个有趣的问题是，酗酒者和普通人的模式是否不同?
主要结论:
这个顶点项目专注于脑电图数据分析，让学生有机会通过处理如此复杂的现实数据来学习复杂性。该项目包括以下练习:
- 解析和存储在一个容易理解和可读的形式
- 探索性数据分析，以更好地理解数据
- 使用统计概念，如假设测试
- 通过识别特征来预测受试者是否酗酒
- 使用机器学习算法来开发合适的分类器
银行市场营销
时长:3周
项目描述:
银行业正处于一个竞争激烈的环境中，需要制定战略来发展业务。这个项目与定期存款相关的营销活动有关，是一个有趣的多学科工作，混合了金融和营销领域。
主要结论:
这个项目的方法是思考、定义、设计、编码、测试和优化您的解决方案，以一种应用数据科学过程的所有方面的方式。该数据是具有不洁净和空值的真实数据。
目标是:
- 建立模型来预测客户是否会订阅
- 识别影响因素，形成营销策略
- 改善与客户的长期关系
基于深度学习的项目
持续时间:3周|价格:5000(含税)
项目描述:
电子商务自从互联网作为商业企业出现以来，经历了相当大的增长。深度学习擅长于识别非结构化数据中的模式，并可以预测在电子商务环境中应用的上传图像的类别。该项目试图通过电子商务时尚MNIST数据集上的图像识别复制虚拟商店辅助。
主要结论:
该项目专注于神经网络的实现，以解决复杂的非结构化数据问题。目标是:
- 建立模型对服装/时尚相关图像的各个类别进行分类(解析垂直)。
- 通过Tensorflow和Keras理解深度学习概念的实现。
- 通过调优超参数和实现退出层进行模型优化。
有关用于数据科学的Python Capstone项目的进一步信息
数据科学与Python在线培训时间表
现场问答课
下午2时起
内容访问
一生
作业
72 +小时
问答课继续进行
周日(备用)
课程费用
语言和工具
数据科学编程语言和工具在本课程中
您将熟悉Python数据科学工具，这些工具在行业中被数据科学家广泛使用。
Python语言:
Python正在成为数据科学家的首选。学习者将学习使用所有相关的库，NumPy, Pandas, scikit-learn, Matplotlib。
工具:Jupyter Notebook
一个开源的网络应用程序，包含实时代码，可视化和叙事文本。学习者将在他们所有的数据科学工作中使用它。
2认证
Python的数据科学课程认证
数据科学使用Python证书
如何取得此证书?
在成功完成所有任务和1个顶点项目后，参与者将获得Digital Vidya颁发的证书。
数据科学NASSCOM FutureSkills证书
如何取得此证书?
成功通过课程后，学员将获得NASSCOM FutureSkills颁发的证书
有关Python数据科学认证的进一步信息
行业专家担任培训师
Python数据科学课程培训师
由拥有全球不同行业经验和专业知识的数据科学家培训。
我们的学生怎么评价我们?
从一开始，这就是一段漫长的旅程。在数据科学领域，巨大的机遇在我们面前展现。
伟大的经验。简单有组织的学习，很好的方法。
Digital Vidya在很短的时间内让我对数据科学有了全面的了解。
案例研究和项目提高了我的技能，让我有信心称自己为数据科学家。
本课程最适合初学者，它将让您全面了解数据科学和机器学习的各个领域。
这是一次很棒的经历。学习了很多当今行业的新事物。
行业领袖如何评价我们?
Digital Vidya在将数据分析带到世界各地方面做得很好!
Akshay Sehgal，总经理
Digital Vidya在将不同经历的人聚集到一个平台上，以创建最好的数据科学技能管道方面做得很好。
Ambuj Kathuria，数据与分析主管
在印度建立一个具有分析和数据科学实践经验的人才库是当务之急。像Digital Vidya这样的平台对于填补这一空白至关重要。
Ravi Vijayaraghavan，分析和决策科学总裁兼主管
数据科学与Python课程常见问题解答
一般
Python数据科学专业课程是为谁开设的?
Python数据科学课程经过精心设计，允许具有编程背景的学习者进行编程
以正确的技能组合过渡到分析行业。
我们将本课程推荐给以下人士:
- BE/BTech/MCS/MCA学生渴望进入数据科学/AI这个不断发展的领域
- 渴望在数据科学领域探索职业生涯的软件专业人员
- 热爱统计学，解决问题，机器学习的IT专业人士
- 想要使用编程语言解决深层问题的分析专业人员
课程结束后的就业支持是什么?
Digital Vidya为合格的新毕业生和在职专业人士提供100%的面试保证支持，他们通过Python数据科学课程获得认证。
在完成Python数据科学专业课程后，您应该期待什么?
这是一门全面的课程，将帮助您深入了解端到端数据科学。您将使用Python和Tableau构建统计学，SQL，探索性数据科学，机器学习，可视化的基础。当你在职业生涯中遇到一个使用R的项目时，你也可以选择学习R。
BE/B技术/MCA/MCS学生/应届毕业生
这个行业给新生的起薪是多少?
给新生提供的薪水取决于校内和校外的优质机构等因素。此外，许多公司在招聘实习生，然后根据他们的表现为他们提供工作机会。晚一点是校外招聘最普遍的选择。
小公司和初创公司有更多的数据科学工作吗?
初创公司在招聘新生时更灵活，因为他们正处于成长阶段，他们是你立即找到工作并进入新领域的最佳机会。与初创公司合作最好的部分是，你将有机会成为大鱼，为构建工作的核心部分做出贡献。你应该抓住你在新领域得到的第一份工作，在第一家公司获得宝贵的经验。关键因素是你能在早年学到多少东西，做出多少贡献，而不是公司的大小。
如果我拒绝了工作机会怎么办?
一旦你拒绝了这份工作，你就得等待下一个机会了。我们不能答应你下次面试。
在这个行业中，公司会为新人安排什么样的角色?
你将作为一名培训生——初级数据分析师，数据科学家。根据需求和您在选择过程中的表现，您可能会获得不同的角色和技术。
我可以选择公司的地点、薪水和域名吗?
你的灵活性越高，你开始职业生涯的机会就越大。
如果我不能完成我的作业/项目，我能得到退款吗?
如果你没有完成课程，你将没有资格获得退款。