Дараагийн сургалт
0001-01-01Сургалтын төлбөр
300$Сургалтын танилцуулга
MLC Business School болон SoftUni Global нарын хамтарсан ахисан түвшний сургалтуудын нэг болох “Data Science” нь дэлхийд эрэлттэй өгөгдлийн шинжлэх ухаанчаар ажиллах хүмүүсийг бэлтгэх зорилготой юм. Тус сургалт нь Data Science буюу өгөгдлийн шинжлэх ухааны салбарт шаардлагатай мэдлэг, ур чадварыг хөгжүүлэхэд төвлөрнө. Хэрхэн зөв асуулт тавьж, хэрэгцээт мэдээллээ олж авах вэ гэдгээс эхлэн дата цуглуулах, боловсруулах, түүнийг дүрслэн дүн шинжилгээ хийх арга зүй зэрэг сэдвүүдийг хамрах болно. Түүнчлэн бодит амьдралд Data Scientist болоход хэрэгтэй кодчилол, судалгааны бүтцийг цогцоор нь заан сургах бөгөөд шинэ ойлголтуудаа бататгах программчлалын дасгал ажил, дадлагууд мөн багтсан. Программ хангамжийн анхан шатны мэдлэгтэй (Python), матриц, вектор зэрэг математикийн аргачлалд суралцсан хүмүүст илүү тохиромжтой. Сургалтын төгсгөлд мэдлэгээ бататган шалгалт өгөх бөгөөд олон улсад хүлээн зөвшөөрөгдсөн сертификат гардан авах болно.
Сургалтын онцлог
Сургалтын давуу тал
Сургалтаар эзэмших ур чадвар
Пандатай танилцах
Янз бүрийн эх сурвалжаас мэдээлэл авах
CSV файлууд болон Excel файлууд
Вэб үйлчилгээ. JSON болон XML
Мэдээллийн сан
Өөр өөр эх сурвалжуудыг нэгтгэх
Хязгаарлалт ба хүчинтэй байдал
Өгөгдөл цэгцлэх: Normalization
Багцлах, ангилах, хэлбэржүүлэх
Мэдээллийг нэгтгэх, нэгтгэн дүгнэх
Мэдээллийн багцыг нэгтгэх
Өгөгдлийн хувиргалт
Дутуу утгууд болон гадны мэдээлэл оруулах
Мэдээлэл цэвэрлэх үйл явц
Аналитик график: Ерөнхий зарчим, бий болгох, тэдгээрийн жишээ
График: Хистограмм, тараах график, шугаман график, дугуй диаграм. Тэдгээрийн хэрэглээ ба жишээ
Зургийг сайжруулах: Өнгө, шошго, формат
Дарааллийн дагуу зөв тайлбарлах;
Өгөгдлийн шинжилгээ: Сэдэл, зарчим, хэрэглээ.
Зураг боловсруулах: хувиргалт ба мэдээлэл задлах
Зургийн гистограмм
Фурье хувиргалт. Зургийн спектр
Зургийн морфологи
Хувиралт мэдрэлийн сүлжээний удиртгал
Зураг үүсгэх
Текст боловсруулах: Мэдээлэл задлах
"Bag of words" загвар ба n-gram
TF-IDF
Хэлний загваруудын танилцуулга. Практик хэрэглээ
Текст үүсгэх
Регресс: Тодорхойлолт ба асуудлын нөхцөл
Шугаман регресс. Энгийн хамгийн бага квадратууд
Олон шугаман регресс
Логистик регресс: Асуудлын нөхцөл
Логистик регрессийн хэрэглээ
Өгөгдлийн шинжлэх ухааны үйл явц: Асуудал, өгөгдөл, алгоритм, загвар, танилцуулга
Код, судалгаа болон бусад өгөгдлийг зохион байгуулах;
Гүйцэтгэл ба аюулгүй байдал
Дахин давтагдах судалгаа; нотолгоонд суурилсан судалгаа
Ёс суртахууны асуудал
Мэдээллийн дамжуулалт ба автоматжуулалт
Их хэмжээний өгөгдөлтэй ажиллахын тулд ажлын урсгалыг өргөтгөх
Cloud servies
Өгөгдлийн хяналт: Хяналтын самбар
DataOps болон MLOps-ийн танилцуулга. Мэдээллийн шинжлэх ухааны шинэ чиг хандлага.