Khoa học dữ liệu - K2

Kích thước phông chữ

A-
A
A+

Màu trang web

Khoá học

Sổ tay Thiết kế Khoa học dữ liệu - Khoá 2: Trực quan hóa

Thông tin khóa học

Khóa học này dựa trên Cẩm nang thiết kế khoa học dữ liệu của Giáo sư Steven Skiena, Giáo sư giảng dạy xuất sắc về Khoa học máy tính tại Đại học Stony Brook.

Khóa học tuân theo các chủ đề trong cuốn sách và bao gồm các slide và video bài giảng của Giáo sư Steven Skiena và nhóm của ông. Chúng tôi thực sự khuyên bạn nên mua sách để theo dõi các slide và video bài giảng.

Các tài nguyên bổ sung bao gồm bộ dữ liệu cho các dự án và bài tập có thể được tìm thấy trên trang web của cuốn sách. (http://www.data-manual.com/):

Từ trang web sách:

Cẩm nang thiết kế khoa học dữ liệu đóng vai trò giới thiệu về khoa học dữ liệu, tập trung vào các kỹ năng và nguyên tắc cần thiết để xây dựng hệ thống thu thập, phân tích và diễn giải dữ liệu. Với tư cách là một ngành khoa học dữ liệu nằm ở giao điểm của thống kê, khoa học máy tính và học máy, nhưng nó đang xây dựng một sức mạnh và đặc điểm riêng biệt.

Cuốn sách bao gồm đủ tài liệu cho khóa học "Nhập môn Khoa học Dữ liệu" ở cấp độ đại học hoặc sơ cấp sau đại học.

Khóa học được thiết kế để giới thiệu thực hành về Khoa học dữ liệu bằng cách thách thức các nhóm sinh viên xây dựng mô hình dự đoán cho các sự kiện sắp tới và xác thực mô hình của họ dựa trên kết quả thực tế.

Tổng quan về cấu trúc và thời gian hoàn thành điển hình

Khóa học này bao gồm 19 mô-đun và 27 video.

Thời gian học dự kiến của khóa học là khoảng 40 giờ.

Để học viên học thuận lợi hơn, chúng tôi chia khoá này thành 5 khoá thành phần:

Khoá 1. Nền tảng

Bài 1: Giới thiệu về Khoa học dữ liệu
Bài 2: Kiến thức toán học cơ bản
Bài 3: Python cho Khoa học dữ liệu I
Bài 4: Python cho Khoa học dữ liệu II
Bài 5: Hiểu Tương quan và Xử lý Dữ liệu
Bài 6: Xử lý dữ liệu tinh gọn
Bài 7: Làm sạch dữ liệu
Bài 8: Điểm số và Xếp hạng
Bài 9: Phân phối thống kê
Bài 10: Ý nghĩa thống kê

Khoá 2. Trực quan hóa

Bài 11: Nguyên tắc khi trực quan hóa Dữ liệu
Bài 12: Thực hành trực quan hóa dữ liệu

Khoá 3. Mô hình hóa

Bài 13: Xây dựng mô hình

Khoá 4. Máy học

Bài 14: Đánh giá đại số tuyến tính
Bài 15: Hồi quy tuyến tính
Bài 16: Tìm kiếm và điều chỉnh Giảm độ dốc
Bài 17: Hồi quy logistic và Phân loại
Bài 18: Phương pháp hàng xóm gần nhất
Bài 19: Đồ thị và Mạng lưới
Bài 20: Phân cụm
Bài 21: Giới thiệu về Học máy
Bài 22: Các chủ đề trong Học máy

Khoá 5. Các chủ đề khác

Bài 23: Đạt được quy mô
Bài 24: Khoa học dữ liệu lấy con người làm trung tâm

Hỗ trợ chương trình

Đối với các câu hỏi về nội dung, vui lòng liên hệ với cộng đồng của chúng tôi tại diễn đàn của chúng tôi.

Đối với các vấn đề kỹ thuật, liên hệ với chúng tôi ở đây.

Giấy phép khóa học: CC BY-NC-SA 4.0

Khoá học sử dụng nội dung của AI Singapore (https://aisingapore.org) và Giáo sư Steven Skiena.

Chuyển sang tiếng Việt: Viện ABAII (https://abaii.vn)