Professionellt certifikat i data science och generativ AI (I samarbete med Purdue University och IBM)

Professionellt certifikat i data science och generativ AI

I samarbete med Purdue University och IBM

• 6 månaders program (liveundervisning och e-lärande)
• Liveundervisning (5–8 timmar/vecka, helgkurser)
• Fråga oss om nästa kull och detaljerad tidsplan!

Det professionella certifikatet i datavetenskap och generativ AI, i samarbete med Purdue University Online, erbjuder en omfattande läroplan för att behärska datavetenskap, maskininlärning och generativ AI. Genom att kombinera teoretisk inlärning med praktisk tillämpning får deltagarna expertkunskaper inom programmering, datahantering, tillämpad data science med Python, maskininlärning, djupinlärning och generativ AI-teknik.

Genom praktiska projekt, laborationer och mentorskapssessioner får deltagarna erfarenhet av branschstandardverktyg och verkliga tillämpningar, vilket förbereder dem för karriärer inom datavetenskap, maskininlärning och generativ AI. Programmet passar både nyutexaminerade och erfarna yrkesverksamma och erbjuder en blandning av videor i egen takt, live virtuella lektioner och praktiska övningar med högt engagemang.

Viktiga funktioner

• Kursen och materialet är på engelska
• i samarbete med Purdue University Online
• Nybörjare till avancerad nivå
• 6 månaders liveundervisning av branschexperter (5-8 timmar/vecka helgkurser)
• 250+ timmar liveundervisning och mentorledd projektstöd
• Över 25 timmar e-lärande videoinnehåll
• Över 300 timmars studietid och övning rekommenderas
• Flexibelt lärande med inspelningar av sessioner och tillgång dygnet runt
• Få erfarenhet av ChatGPT, Gemini, Keras, TensorFlow och andra framstående verktyg
• Interaktiva sessioner om de senaste AI-trenderna, såsom GenAI, prompt engineering, LLM och mer
• 3 capstones och över 25 praktiska projekt från olika branscher
• Nätverksfördelar via Purdues alumnförening
• Programslutbetyg från Purdue University Online.
• Branscherkända IBM-certifikat för IBM-kurser

Engagerande inlärningsupplevelse

• Interaktion med kollegor
• Njut av en verklig klassrumsmiljö genom att komma i kontakt med andra studerande och interagera med mentorer i realtid via Slack.
• Flexibel inlärning
• Hamna aldrig efter – få tillgång till inspelade sessioner när som helst för att komma ikapp och hålla jämna steg med dina kurskamrater.
• Mentorskapssessioner
• Få experthjälp från mentorer för att lösa tveksamheter, få projektvägledning och förbättra din inlärningsresa.
• Dedikerad support
• Dra nytta av en kohortmanager som ger personlig hjälp och ser till att du håller dig på rätt spår mot framgång.

Om Purdue University

Purdue University är ett ledande offentligt forskningsuniversitet som är känt för att skapa praktiska lösningar på några av dagens mest angelägna problem. Purdue har av U.S. News & World Report utsetts till ett av de 10 mest innovativa universiteten i USA fyra år i rad och ligger i framkant när det gäller banbrytande forskning och innovation.

Vilket mervärde tillför Purdue University till programmet?

Programmets läroplan är utformad och granskad med hjälp av universitetet, vilket ger programmet kvalitetslegitimitet och ett certifikat med gemensamt varumärke. Observera att de live-lektionerna inte hålls av universitetets faktiska lärare utan av många erfarna branschexperter som är lämpliga för varje ämne.

Lärandemål

• Förstå grundläggande statistiska begrepp och SQL-begrepp.
• Förstå grunderna i AI, dess tillämpningar och påverkan på näringslivet.
• Utföra distribuerad och parallell databehandling på GPU:er.
• Master matematisk och vetenskaplig databehandling med hjälp av NumPy, SciPy och Scikit-Learn.
• Utför data science-arbetsflöden: bearbetning, utforskning, visualisering, hypotesprövning.
• Lär dig grunderna i NLP med Pythons NLTK, inklusive textförståelse och textgenerering.
• Bygg djupinlärningsmodeller med hjälp av Keras, TensorFlow och molnplattformar som AWS SageMaker.
• Utforska avancerade AI-ämnen: generativ AI, GPT, förklarbar AI och GAN.
• Utveckla datorvisionsapplikationer och taligenkänningsmodeller.
• Tillämpa övervakad och oövervakad inlärning, rekommendationsmotorer och tidsseriemodellering.
• Distribuera djupinlärningsmodeller med Flask/Django, Docker, Kubernetes och serverlösa miljöer.
• Implementera neurala nätverk och avancerade djupinlärningstekniker som objektdetektering.
• Bli skicklig i Power BI för databerättande, skapa interaktiva instrumentpaneler och rapporter.
• Förstå generativ AI-landskapet och praktiska tillämpningar för företag och forskning.
• Lär dig att validera maskininlärningsmodeller med hjälp av noggrannhetsmått och prestandautvärdering.

18+ färdigheter som täcks

• Dataanalys och statistik: Explorativ dataanalys, beskrivande och inferentiell statistik
• Maskininlärning: Modellbyggande, övervakad och oövervakad inlärning, ensembleinlärning, modellträning, optimering, utvärdering och validering
• Djupinlärning och AI: Djupinlärning, generativ AI, förstärkt inlärning, naturlig språkbehandling, datorseende, taligenkänning
• AI-tekniker och verktyg: Prompt Engineering, förklarbar AI, datavisualisering, maskininlärningsalgoritmer, finjustering

Målgrupp:

Detta program är utformat för yrkesverksamma inom olika branscher och erbjuder olika perspektiv som berikar interaktionen i klassen. Det passar både nya och erfarna yrkesverksamma som vill bygga en karriär inom data science och generativ AI. Idealiska kandidater är personer med ett analytiskt sinne och olika utbildningsbakgrund, till exempel:

• IT-proffs
• Programvaruutvecklare
• Analytiker
• Produktchefer
• Affärsanalytiker
• Teknikkonsulter

Förkunskaper

• Gymnasieexamen eller kandidatexamen (eller motsvarande)
• Grundläggande kunskaper i programmering och matematik
• Helst 2+ års yrkeserfarenhet (ej obligatoriskt)

Lärandebana

1. Programintroduktion
2. Programmeringsuppfräschning
3. Datahantering med SQL
4. Python för data science (IBM)
5. Tillämpad data science med Python
6. Maskininlärning
7. Specialisering inom djupinlärning
8. Grunderna i generativ AI, prompt engineering och ChatGPT
9. Generativ AI för dataprofessionella
10. Generativa AI-färdigheter för data science (IBM)
11. Capstone-projekt

Valbara kurser

• Akademisk masterclass av Purdue University Online
• Branschmasterclass av IBM
• R-programmering för data science (IBM)
• Datavisualisering med PowerBI
• Avancerad djupinlärning och datorseende
• Naturlig språkbehandling
• Dataetik

DETALJER OM KURSPINNHOLDE

Kurs 1: Introduktion till programmet

Börja din resa med Purdue University Online i detta program och utforska grunderna i data science. Börja med förberedande kurser i statistik och programmering för att bygga en stark grund för resten av läroplanen.

Kurs 2: Repetition i programmering

Denna kurs bygger upp viktiga Python-kunskaper för att förbereda dig för programmet.

Lärandemål

• Master procedur- och objektorienterad programmering
• Förstå loopar, variabelomfång och datatyper
• Installera Python och använd Jupyter Notebook för praktiska tillämpningar
• Lär dig metoder, attribut, åtkomstmodifierare och korrekta kodningskonventioner
• Få kunskap om operatorer, strängfunktioner och multitrådning

Kursplan

• Grunderna i programmering och Python-funktioner
• Introduktion till Python-programmering
• Objektorienterade programmeringskoncept
• Trådning
• Python-datatyper och operatorer
• Villkorssatser och loopar

Kurs 3: Datahantering med SQL

Denna kurs ger dig viktiga SQL-kunskaper för att hantera databaser effektivt och stödja skalbara applikationer

Lärandemål

• Utveckla en grundlig förståelse för databaser och deras relationer
• Utför lagrade procedurer för komplexa operationer
• Använd SQL-kommandon och vanliga frågeverktyg effektivt
• Tillämpa sträng-, matematiska, datum-/tids- och mönsterjämförelsesfunktioner
• Master transaktioner, tabellskapande och vyer för effektiv databashantering
• Implementera användaråtkomstkontroll för databassäkerhet
• Få expertis inom filtrering, sortering, aliasing, aggregering, gruppering, sammanfogning, underfrågor, vyer och indexering

Ämnen som behandlas

• SQL-satser
• Aggregeringskommandon
• Återställning och säkerhetskopiering
• Gruppera efter-kommandon
• Urvalskommandon – filtrering
• Villkorliga satser och sortering
• Sammanfogningar
• Datum- och tidsfunktioner
• Strängfunktioner
• Mönster (sträng) matchning
• Matematiska funktioner
• Användarkontrollfunktioner

Kurs 4: Python för data science (IBM)

Denna kurs ger deltagarna färdigheter i att använda Python för data science, så att de kan skriva Python-skript och utföra praktisk dataanalys i en Jupyter-labbmiljö.

Lärandemål

• Skriva Python-skript med variabler, strängar, funktioner, loopar och villkor.
• Tillämpa Python-koncept som listor, uppsättningar, ordböcker, objekt, klasser och förgreningar.
• Använda Pandas för datainläsning, bearbetning, sparande och filhantering.

Ämnen som behandlas

• Grunderna i Python
• Datastrukturer i Python
• Grunderna i Python-programmering
• Arbeta med data i Python
• Arbeta med NumPy-matriser

Kurs 5: Tillämpad data science med Python

Denna kurs ger en omfattande grund i data science med Python och täcker datapreparering, modellering, utvärdering och visualisering. Deltagarna utvecklar praktiska färdigheter i Python-programmering, statistik och dataanalys.

Lärandemål

• Förstå grunderna i data science och praktiska tillämpningar.
• Utföra hypotesprövning (Z-test, T-test, ANOVA) och tolka resultaten.
• Manipulera och analysera data med Pandas (laddning, indexering, sammanslagning).
• Förbereda, normalisera och standardisera data med hjälp av tekniker som binning.
• Använda NumPy för arrayoperationer, indexering och slicing.
• Utveckla och utvärdera datamodeller effektivt.
• Skapa övertygande visualiseringar med Matplotlib, Seaborn, Plotly och Bokeh.
• Tillämpa Python-koncept (strängar, Lambda-funktioner, listor) i data science-uppgifter.
• Förstå statistiska mått inklusive skevhet, kovarians, korrelation, central tendens och spridning.
• Använda linjär algebra i dataanalys, inklusive tillämpningar i kalkyl.

Ämnen som behandlas

• Introduktion till data science
• Grunderna i Python-programmering
• NumPy för numerisk beräkning
• Linjär algebra för dataanalys
• Grundläggande statistik och avancerad statistik
• Datamanipulation med Pandas
• Dataanalys och datahantering
• Datavisualisering (Matplotlib, Seaborn, Plotly, Bokeh)
• Sannolikhetsfördelningar och end-to-end-statistik
• Praktiska tillämpningar av data science i Python

Kurs 6: Maskininlärning

Denna kurs ger en fördjupad inblick i maskininlärning och täcker övervakad inlärning (regression och klassificering), oövervakad inlärning (klusterbildning) och ensemblemodellering. Deltagarna får praktisk erfarenhet av att bygga en rekommendationsmotor med PyTorch och lär sig att utvärdera ramverk som TensorFlow och Keras, samtidigt som de får en förståelse för hela maskininlärningsprocessen.

Lärandemål

• Förstå olika typer av maskininlärning och deras tillämpningar
• Utforska övervakad inlärning: regression, klassificering och korrelationsanalys
• Lär dig att upptäcka och förhindra överanpassning och underanpassning
• Undersök oövervakad inlärning: klustertekniker och deras användningsfall
• Master ensemblemodellering: bagging, boosting, stacking
• Analysera maskininlärningsprocessen och MLOps-operationer
• Bygg en rekommendationsmotor med PyTorch
• Utvärdera och jämför ramverk som TensorFlow och Keras

Ämnen som behandlas

• Grunderna i maskininlärning
• Övervakad inlärning
• Oövervakad inlärning
• Regression och dess tillämpningar
• Klassificering och dess tillämpningar
• Ensembleinlärning
• Rekommendationssystem

Kurs 7: Specialisering i djupinlärning

Denna kurs ger dig färdigheter att implementera djupinlärningsmodeller med hjälp av AI/ML-ramverk. Du kommer att utforska kärnkoncept och praktiska tillämpningar, förstå skillnaderna mellan djupinlärning och maskininlärning och få praktisk erfarenhet av neurala nätverk, framåt-/bakåtpropagering, TensorFlow 2, Keras, PyTorch, CNN, RNN, autoencoders, objektdetektering, transferinlärning, prestandaoptimering och modellinterpretabilitet. I slutet av kursen kommer du att kunna bygga och optimera djupinlärningsmodeller på ett effektivt sätt.

Lärandemål

• Förstå olika typer av neurala nätverk och deras tillämpningar
• Master framåt- och bakåtpropagering i djupa neurala nätverk (DNN)
• Skillnaden mellan djupinlärning och traditionell maskininlärning
• Bygga och optimera modeller med hjälp av TensorFlow 2, Keras och PyTorch
• Tillämpa tekniker för prestandaförbättring som dropout och early stopping
• Få expertis inom konvolutionella neurala nätverk (CNN) och objektdetektering
• Lära dig återkommande neurala nätverk (RNN) och deras användningsfall
• Förstå autoencoders och transfer learning
• Utföra hyperparameterjustering och förbättra modellens tolkningsbarhet

Ämnen som behandlas

• Introduktion till djupinlärning
• Artificiella neurala nätverk (ANN)
• Djupa neurala nätverk (DNN)
• Konvolutionsneurala nätverk (CNN)
• Återkommande neurala nätverk (RNN)
• PyTorch
• TensorFlow
• Transferinlärning
• Autoencoders
• Objektdetektering
• Modelloptimering och prestandaförbättring
• Transformermodeller för naturlig språkbehandling (NLP)

Kurs 8: Grunderna i generativ AI, prompt engineering och ChatGPT

Denna kurs ger en fördjupad studie av generativ AI, med fokus på ChatGPT och stora språkmodeller. Du lär dig grundläggande principer för GenAI, förklarbar AI och konversations-AI, tillsammans med prompt engineering, finjustering och ansvarsfull användning av AI. Deltagarna får praktisk kunskap om hur man tillämpar ChatGPT och andra generativa AI-verktyg på ett kreativt sätt i olika branscher, samtidigt som de får förståelse för etiska överväganden, modellbegränsningar och strategier för att maximera transparens och prestanda.

Lärandemål

• Förstå grunderna i AI och generativa AI-modeller.
• Förstå förklarbar AI och dess betydelse, och utforska olika tillvägagångssätt.
• Lär dig hur ChatGPT fungerar, inklusive dess funktioner och begränsningar.
• Utforska olika verkliga tillämpningar och användningsfall för ChatGPT.
• Få praktisk erfarenhet av finjusteringstekniker för modelloptimering.
• Känna igen etiska utmaningar och ansvarsfull användning av AI för generativa modeller.
• Förstå framtida trender och utmaningar inom generativ AI.

Ämnen som behandlas

• Introduktion till generativ AI och dess landskap
• Etiska överväganden: ansvarsfull datanvändning och integritet
• Förklarbar AI: säkerställa transparens
• Framtida trender och innovationer inom generativ AI
• Utnyttja AI-teknik för affärs- och kreativa tillämpningar
• Utforma effektiva uppmaningar för AI-modeller
• Fördjupad analys av ChatGPT och dess tillämpningar
• Konversations-AI: tillämpningar och framsteg
• Stora språkmodeller: utforskning och förståelse
• Finjusteringstekniker för modellpersonalisering

Kurs 9: Generativ AI för dataprofessionella

Utforska den generativa AI:ns roll inom data science, från datagenerering och förberedelse till frågeställningar. Lär dig att övervinna livscykelutmaningar, utnyttja AI för datakompetens, modellbyggande och prediktiv analys, och master verktyg för explorativ dataanalys för att lyckas i datadrivna roller.

Lärandemål

• Identifiera de fyra huvudtyperna av generativa AI-modeller och deras tillämpningar inom branschen.
• Tillämpa generativa AI-tekniker för datagenerering, förberedelse, sökning och förstärkning.
• Använd generativa AI-verktyg för explorativ dataanalys (EDA) och prediktiv modellering.
• Visualisera data och bygg modeller med hjälp av generativ AI.
• Hantera branschspecifika överväganden och utmaningar vid implementering av generativ AI.
• Utveckla prediktiva modeller och förbättra dina data science-färdigheter med generativ AI.

Ämnen som behandlas

• Introduktion till generativ AI och dess roll inom data science
• Vanliga typer av generativa AI-modeller och tillämpningar inom olika branscher
• Användning av generativ AI under hela data science-livscykeln: generering, förberedelse, sökning, förstärkning
• Övervinna utmaningar inom dataförberedelse och sökning med generativ AI
• Branschspecifika överväganden och utmaningar för datavetare
• Datavisualisering och modellbyggande med generativ AI
• Förbättra kärnkompetenser inom data science genom generativa AI-tekniker

Kurs 10: Generativ AI-kompetens för datavetare (IBM)

Denna kurs utbildar datavetare, analytiker och ingenjörer i att utnyttja generativ AI för att lösa dataproblem och optimera arbetsflöden. Deltagarna får praktisk erfarenhet av att tillämpa generativa AI-verktyg i verkliga scenarier.

Lärandemål

• Utforska generativa AI-modeller som GAN och VAE för datapreparering, förstärkning och sökning inom olika branscher.
• Använd generativ AI för explorativ dataanalys (EDA), prediktiv modellering och lösning av branschspecifika utmaningar.
• Tillämpa generativa AI-tekniker på verkliga problem genom ett guidat projekt och en slutlig utvärdering.
• Utveckla kärnkompetenser inom data science med fokus på verkliga tillämpningar och etisk användning av generativ AI.

Ämnen som behandlas

• Generativa AI-verktyg och modeller
• Tillämpningar inom datapreparering och -förstärkning
• Explorativ dataanalys med generativ AI
• Prediktiv modellering och branschspecifika utmaningar
• Verkligt projekt och slutlig bedömning

Kurs 11: Capstone-projekt

I Capstone-projektet inom data science, maskininlärning och generativ AI får du tillämpa dina kunskaper på verkliga utmaningar under expertmentorskap. Med hjälp av Python eller SAS implementerar du regression, beslutsträd och AI-algoritmer och tillämpar tekniker som k-faldig korsvalidering för att säkerställa robusta modeller. Detta projekt konsoliderar dina kunskaper, visar din expertis inom data science och AI-arbetsflöden och förbereder dig för att imponera på potentiella arbetsgivare med praktiska, branschklara kunskaper.

Branschfallstudier och projekt

• Projekt 1: Bygg en konversationsbaserad virtuell assistent med generativ AI för dialoger, frågor och svar, rekommendationer och uppgiftsassistans.
• Projekt 2: Utveckla en Python-baserad e-handelsapp med artikelhantering och flera betalningsalternativ.
• Projekt 3: Skapa en onlineplattform för biluthyrning med schemaläggning, fakturering och objektorienterad programmering.
• Projekt 4: Tillämpa tidsserieprognoser för att förutsäga efterfrågan på restaurangartiklar för livsmedelsindustrin.
• Projekt 5: Använd explorativ dataanalys och hypotesprövning för att optimera marknadsföringsstrategier och kundförvärv.
• Projekt 6: Utför klusteranalys för att skapa personliga spellistor baserade på användarnas beteende.
• Projekt 7: Bygg en maskininlärningsmodell för att förutsäga personalomsättningen med hjälp av beteendemönster.
• Projekt 8: Automatisera fartygsdetektering med hjälp av CNN-baserad djupinlärning för att förhindra incidenter orsakade av mänskliga fel.
• Projekt 9: Utveckla djupinlärningsmodeller för att förutsäga återbetalning av bostadslån med hjälp av historiska data.
• Projekt 10: Implementera ansiktsigenkänning med djupinlärning för att diagnostisera genetiska sjukdomar i hälso- och sjukvårdssystem.
• Projekt 11: Detektera diabetesretinopati med hjälp av CNN och distribuera modeller med TensorFlow Serving.
• Projekt 12: Kartlägga anställdas prestationer och generera utvärderingsrapporter med hjälp av SQL-databaser.
• Projekt 13: Utför analys av flygfraktdata med hjälp av SQL för att förbättra tjänster och kundupplevelse.
• Projekt 14: Skapa en Tableau-instrumentpanel för brottsanalys för att hålla polisen och stadens myndigheter informerade.
• Projekt 15: Bygg en interaktiv Tableau-försäljningsinstrumentpanel för en kläd-OEM för att stödja ad hoc-rapportering och analys.

Valfria kurser:

Valfri 1: Akademisk masterclass som erbjuds av Purdue University Online

Erbjuder en interaktiv online-session där deltagarna får insikter i de senaste tekniska framstegen och metoderna inom data science, AI och maskininlärning.

Valbar kurs 2: Branschmästarklass av IBM

Delta i denna interaktiva online-branschmästarklass för att utforska de senaste utvecklingarna inom data science och AI-metoder.

Valbar kurs 3: R-programmering för data science av IBM

Täcker grundläggande R-koncept såsom matematiska operationer, variabler, strängar, vektorer och faktorer. Deltagarna får praktisk erfarenhet av arrayer, matriser, listor och dataramar, samt av villkor, loopar, funktioner, objekt, klasser och felsökning. Kursplanen fokuserar på hantering av text-, CSV- och Excel-filer, läsning och skrivning av data, hantering av strängar och datum samt utveckling av viktiga färdigheter för datamanipulation och analys i R.

Valbar kurs 4: Datavisualisering med Power BI

Lär deltagarna hur man utnyttjar Power BI för dataanalys och upptäcker meningsfulla affärsinsikter. Deltagarna får färdigheter i att skapa interaktiva instrumentpaneler, utveckla rapporter och använda Quick Insights för att snabbt identifiera datamönster. Kursen betonar praktiska tekniker för effektiv användning av Power BI, vilket gör det möjligt för deltagarna att maximera verktygets kapacitet för välgrundade beslut och förbättrad operativ effektivitet.

Valbar kurs 5: Avancerad djupinlärning och datorseende

Denna kurs ger deltagarna avancerade färdigheter inom djupinlärning och datorseende för att hantera komplexa utmaningar. Den täcker bildbildning, bearbetning och tekniker som CNN, objektdetektering och segmentering. Deltagarna utforskar också generativa modeller, OCR, distribuerad och parallell databehandling samt förklarbar AI (XAI), med fokus på att mastera avancerade metoder och effektivt använda modeller för att lösa verkliga problem inom datorseende.

Valbar kurs 6: Naturlig språkbehandling

Deltagarna i denna kurs lär sig att tillämpa maskininlärning på naturliga språkdata, med tonvikt på både förståelse och generering av språk. Kursplanen omfattar feature engineering för NLP, automatiserad taligenkänning, tal-till-text- och text-till-tal-konvertering samt byggande av röstassistenter och Alexa-färdigheter, vilket ger avancerad expertis inom NLP och talapplikationer.

Valbar kurs 7: Dataetik

Denna modul ger en grundlig förståelse för dataetik, inklusive rättsliga ramar, integritet och säkerhetsaspekter. Deltagarna lär sig att hantera fördomar, fatta etiska beslut och visualisera data på ett ansvarsfullt sätt, vilket ger dem insikt i analysens samhällspåverkan och utvecklar deras förmåga att hantera etiska utmaningar på ett professionellt sätt.

VANLIGA FRÅGOR

Hur genomförs programmet?

Kursen genomförs helt online genom virtuella liveklasser och erbjuder en blandning av 80 % praktisk träning och 20 % teoretisk inlärning. Du kommer att delta i praktiska projekt, fallstudier och interaktiva sessioner ledda av branschexperter.

Hur ser lektionsschemat ut? Finns det inspelningar?

Kursen pågår vanligtvis i cirka 6 månader med uppskattningsvis 5–8 timmars live-sessioner per vecka under helgerna med olika scheman. Mellan kurserna finns det många praktiska projekt att genomföra. Skicka ett e-postmeddelande till oss för att få detaljerad information om programmets schema. Om du missar en lektion kan du alltid titta på inspelningen.

OBS:

Närvaro kan inte markeras genom att bara titta på inspelningarna av sessionerna. Närvaro registreras endast när en elev deltar i livesessionen. Eftersom det här är universitetsanknutna program är kriterierna strängare, eftersom de fastställs av universiteten själva. Inspelningar kommer dock att finnas tillgängliga. Eleverna kan se de specifika certifikatskriterierna för varje kurs direkt på sitt LMS.

Kan jag arbeta heltid medan jag är inskriven i det här programmet?

Ja, det kan du! Programmet är utformat för att passa yrkesverksamma med heltidsarbete. Du kan delta i live-sessioner med instruktör, som oftast hålls på helgerna vid angiven tid enligt ditt schema, och sedan slutföra uppgifter/projekt under din fritid.

Vad gör en data science-professionell?

En data science-profesionell identifierar viktiga affärsproblem och utvecklar algoritmer för att möjliggöra snabbare, mer exakt och storskalig dataanalys med hjälp av verktyg som Python, Tableau, Hive och andra. De samlar in, integrerar och analyserar data för att extrahera användbara insikter, lösa dataproblem och bygga prediktiva modeller och strategier. Data science-tillämpningar är utbredda och påverkar branscher som teknik, finans och hälso- och sjukvård.

Vilka är fördelarna med att anmäla sig till certifikatprogrammet i data science?

Certifieringsprogrammet i data science, som erbjuds i samarbete med Purdue University, är en högt ansedd certifiering som utformats av akademiska ledare och branschexperter. Det hjälper deltagarna att differentiera sig och attrahera uppmärksamhet från ledande arbetsgivare inom data science. Läroplanen kombinerar teoretisk kunskap med praktisk erfarenhet och projektbaserat lärande med hjälp av verkliga datamängder från företag som Amazon, Uber och Comcast, vilket ger deltagarna de färdigheter som behövs för att starta en framgångsrik karriär inom data science.

Vilka är lärarna i detta certifieringsprogram i data science, och hur väljs de ut?

Programmet har högt kvalificerade lärare som valts ut genom en rigorös urvalsprocess som inkluderar profilgranskning, tekniska utvärderingar och utbildningsdemonstrationer. Endast lärare med genomgående höga betyg från tidigare studenter behålls, vilket garanterar en lärandeupplevelse av högsta kvalitet.

Kan jag ansöka utan teknisk bakgrund?

Ja, du kan anmäla dig även utan tidigare teknisk erfarenhet. Det är dock en fördel att ha grundläggande kunskaper i programmering och matematik.

Behöver data science-professionella kunna koda?

Ja, kodning är en grundläggande del av data science. Skript- och matematikkunskaper är nödvändiga för att genomföra dataprojekt. Kunskaper i programmeringsspråk som Python och R rekommenderas starkt, och detta program är utformat för att hjälpa dig att bygga upp den grunden på ett effektivt sätt.

Vilka karriärmöjligheter finns efter avslutad utbildning?

Efter avslutad utbildning i data science och generativ AI öppnas dörrar till roller som datavetare, maskininlärningsingenjör, dataanalytiker och affärsintelligensanalytiker. Utbildningen ger dig expertis inom datahantering, statistisk analys och maskininlärning, vilket gör dig värdefull inom branscher som teknik, finans, hälso- och sjukvård och e-handel. Med erfarenhet och fortsatt lärande kan du avancera till seniora positioner som data science-chef, ledande data scientist, datachef eller avancerade roller inom AI och djupinlärning.

Vad får jag efter att ha slutfört programmet?

Efter att ha slutfört programmet med godkänt resultat får du ett slutbetyg från Purdue University Online. Dessutom får du 12 månaders tillgång till Purdues alumnförening, som kan förnyas årligen mot en nominell avgift som betalas till Purdue University Online.