Data Scientist – Master's Program – Een uniek leer- en certificeringstraject!

Data Scientist – Master's Program – Learning Path

Een uniek leer- en certificeringstraject!

Data Scientist

Master's Program – Learning & Certification Path – In samenwerking met IBM

Deze door IBM gesponsorde Data Science cursus omvat unieke hackathons, masterclasses, webinars en Ask-Me-Anything sessies. De online training geeft je hands-on ervaring met R, Python, Machine Learning, Tableau, Hadoop en Spark. Verbeter uw kennis met deze Data Science cursus en live interactie met andere practitioners en Machine Learning Engineers.

• Versterk uw leerproces met het IBM-voordeel
  Met exclusieve Hackathons, Masterclasses en Ask-Me-Anything sessies van IBM. Behaal industrie-erkende IBM certificaten.
  
  
• Practische opdrachten en 25+ Data Science projecten
  Voor de industrie relevante projecten van bijvoorbeeld Amazon, Walmart, Mercedes Benz en nog veel meer.
  
  
• Levensechte leerervaring
  8X meer live interactie in live Data Science online lessen door experts uit de industrie
  
  
• Pedagogische aanpak
  Topklasse Data Science-curriculum met geïntegreerde labs en praktijkervaring. Live-online Masterclasses gegeven door IBM experts.

Over het Data Science Masters Programma

Deze Data Science cursus, in samenwerking met IBM, versnelt uw carrière in Data Science en biedt u de wereldklasse training en vaardigheden die nodig zijn om succesvol te worden in dit vakgebied. Deze cursus biedt uitgebreide training over de meest gevraagde Data Science en Machine Learning vaardigheden met hands-on blootstelling aan de belangrijkste tools en technologieën, waaronder Python, R, Tableau, en concepten van Machine Learning. Word een Data Scientist door diep te duiken in de nuances van data-interpretatie, technologieën zoals Machine Learning te beheersen en krachtige programmeervaardigheden te beheersen om uw carrière in Data Science naar een hoger niveau te tillen.

Deze gezamenlijke samenwerking tussen AVC en IBM laat cursisten kennismaken met een geïntegreerde blended learning-aanpak, waardoor ze experts in data science worden. Deze cursus Data Science, in samenwerking met IBM, zal studenten helpen industrie-ready te worden voor top data scientist functies.

Resultaten Data Scientist Masteropleiding

• Krijg een diepgaand begrip van gegevensstructuur en gegevensmanipulatie
• Begrijp en gebruik lineaire en niet-lineaire regressiemodellen en classificatietechnieken voor gegevensanalyse
• Krijg een diepgaand begrip van supervised en unsupervised leermodellen zoals lineaire regressie, logistische regressie, clustering, dimensionaliteitsreductie, K-NN en pipelines.
• Wetenschappelijk en technisch rekenwerk uitvoeren met het SciPy pakket en zijn sub-pakketten zoals: Integreren, Optimaliseren, Statistieken, IO en Weave.
• Ervaring opdoen in wiskundig rekenwerk met behulp van de pakketten NumPy en scikit-learn.
• De concepten van recommendation engines en time series modeling onder de knie krijgen en praktische kennis opdoen van principes, algoritmen en toepassingen van Machine Learning.
• Gegevens leren analyseren met Tableau en vaardig worden in het bouwen van interactieve dashboards.

Data Science Certification Learning Path

Cursus 1 - Python voor Data Science
Cursus 2 - Applied Data Science with Python
Cursus 3 - Machine Learning
Cursus 4 - Tableau training
Cursus 5 - Data Science afsluitende examenopdracht
Master certificaat
* + u krijgt individuele certificaten voor elke cursus.

Extra's

• SQL Training
• Data Science with R Programming
• Deep Learning with Keras and TensorFlow
• Masterclass industrie geleverd door IBM

Cursus 1: Python for Data Science

Start uw kennis van Python voor Data Science met deze inleidende cursus en maak uzelf vertrouwd met programmeren. Zorgvuldig samengesteld door IBM, bent u na afloop van deze cursus in staat Python-scripts te schrijven, fundamentele hands-on gegevensanalyse uit te voeren met behulp van de Jupyter-gebaseerde labomgeving, en uw eigen Data Science-projecten te creëren met behulp van IBM Watson.

Belangrijkste leerdoelen

• Schrijf uw eerste Python programma door het implementeren van concepten van variabelen, strings, functies, lussen en condities
• Begrijp de nuances van lijsten, sets, woordenboeken, voorwaarden en vertakkingen, en objecten en klassen
• Werken met gegevens in Python zoals lezen en schrijven van bestanden, laden, werken en opslaan van gegevens met Pandas

Cursusprogramma

• Les 01 - Basiskennis Python
• Les 02 - Python gegevensstructuren
• Les 03 - Python basiskennis programmeren
• Les 04 - Werken met gegevens in Python
• Les 05 - Werken met NumPy-arrays

Cursus 2: Data Science with Python

In deze cursus Data Science met Python krijgt u inzicht in Data Science en analysetechnieken met behulp van Python. Met deze cursus Python voor Data Science leer je de essentiële concepten van Python programmeren en krijg je diepgaande kennis in data analytics, Machine Learning, data visualisatie, web scraping, en natuurlijke taal verwerking. Python is een vereiste vaardigheid voor veel Data Science posities, dus start uw carrière met deze interactieve, hands-on cursus.

Belangrijkste leerdoelen

• Een diepgaand begrip krijgen van Data Science processen, data wangling, data exploratie, data visualisatie, hypotheses bouwen, en testen. U leert ook de basis van statistiek
• De vereiste Python omgeving installeren en andere hulpmiddelen en bibliotheken
• De essentiële concepten van Python programmeren begrijpen zoals datatypes, tuples, lijsten, dicts, basisoperatoren en functies
• Hoogwaardige wiskundige berekeningen uitvoeren met het NumPy pakket en zijn uitgebreide bibliotheek van wiskundige functies
• Wetenschappelijk en technisch rekenwerk met behulp van het SciPy-pakket en zijn sub-pakketten zoals Integrate, Optimize, Statistics, IO, en Weave
• Gegevensanalyse en -manipulatie met behulp van gegevensstructuren en tools uit het Pandas-pakket.
• Ervaring opdoen in Machine Learning met behulp van het Scikit-Learn pakket.
• Een diepgaand begrip krijgen van supervised learning en ongesuperviseerde leermodellen zoals lineaire regressie, logistische regressie, clustering, dimensionaliteitsreductie, K-NN en pipeline.
• Het Scikit-Learn pakket gebruiken voor natuurlijke taalverwerking.
• Gebruik de matplotlib bibliotheek van Python voor datavisualisatie.
• Nuttige gegevens van websites halen door web scraping uit te voeren met behulp van Python
• Python integreren met Hadoop, Spark en MapReduce.

Cursusprogramma

• Les 01: Overzicht Data Science
• Les 02: Overzicht Data Analytics
• Les 03: Statistische analyse en zakelijke toepassingen
• Les 04: Python omgeving instellen en essentie
• Les 05: Wiskundig rekenen met Python (NumPy)
• Les 06: Wetenschappelijk rekenen met Python (Scipy)
• Les 07: Datamanipulatie met Pandas
• Les 08: Machine Learning met Scikit-Learn
• Les 09: Natuurlijke taalverwerking met Scikit-Learn
• Les 10: Datavisualisatie in Python met matplotlib. Deze les leert u gegevens te visualiseren in python met matplotlib en ze te plotten.
• Les 11: Webscraping met BeautifulSoup
• Les 12: Python integratie met Hadoop MapReduce en Spark

Cursus 3: Machine Learning

AVC's Machine Learning cursus maakt u een expert in Machine Learning, een vorm van kunstmatige intelligentie (Artificial Intelligence) die gegevensanalyse automatiseert om computers in staat stelt te leren en zich door ervaring aan te passen om specifieke taken uit te voeren zonder expliciete programmering. U beheerst Machine Learning
concepten en technieken, waaronder leren onder toezicht en leren zonder toezicht, wiskundige en heuristische aspecten, en hands-on modellering voor de ontwikkeling van algoritmen te ontwikkelen en u voor te bereiden op uw rol met geavanceerde Machine Learning kennis.

Belangrijkste leerdoelen

• Beheers de concepten van leren onder toezicht en leren zonder toezicht,
  recommendation engine, en tijdreeksmodellering
• Praktische beheersing van principes, algoritmen en toepassingen van Machine Learning door een hands-on aanpak die het werken met aan vier grote end-to-end projecten en meer dan 25 hands-on oefeningen.
• Grondige kennis verwerven van de statistische en heuristische aspecten van Machine Learning
• Modellen implementeren zoals support vector machines, kernel SVM, naive Bayes, decision tree classifier, random forest classifier, logistische regressie, K-means clustering en meer in Python.
• Valideren van Machine Learning modellen en decoderen van verschillende nauwkeurigheidsmetrieken. De uiteindelijke modellen verbeteren met behulp van een andere reeks optimalisatiealgoritmen, waaronder Boosting & Bagging technieken.
• De theoretische concepten begrijpen en hoe ze verband houden met de praktische aspecten van Machine Learning.

Cursusprogramma

• Les 01: Inleiding tot kunstmatige intelligentie (Artificial Intelligence) en Machine Learning
• Les 02: Gegevensverwerking en -manipulatie
• Les 03: Toezichthoudend leren
• Les 04: Feature Engineering
• Les 05: Leren onder toezicht - classificatie
• Les 06: Leren zonder toezicht
• Les 07: Tijdreeksmodellering
• Les 08: Ensemble leren
• Les 09: Recommender systemen
• Les 10: Tekstverwerking

Cursus 4: Tableau

Deze Tableau cursus helpt u te begrijpen hoe u visualisaties bouwt, gegevens organiseert en grafieken en dashboards ontwerpt om meer zinvolle zakelijke beslissingen te nemen. U maakt kennis met de concepten van datavisualisatie, verschillende combo charts en stories, het werken met filters, parameters en sets, en het bouwen van interactieve dashboards.

Belangrijkste leerdoelen

• Wordt een expert in visualisatie technieken zoals heat map, treemap, waterval, Pareto
• Metadata en het gebruik ervan begrijpen
• Werken met filters, parameters en sets
• Speciale veldtypes en Tableau-gegenereerde velden en het maken en gebruiken van parameters
• Leren hoe u grafieken, interactieve dashboards en verhaalinterfaces kunt bouwen en hoe u uw werk kunt delen.
• De concepten van gegevensmenging beheersen, gegevensextracten maken en
  gegevens organiseren en opmaken
• Rekenkundige, logische, tabel- en LOD-berekeningen onder de knie krijgen.

Cursusprogramma

• Les 01: Aan de slag met Tableau
• Les 02: Kern van Tableau in onderwerpen
• Les 03: Grafieken maken in Tableau
• Les 04: Werken met metadata
• Les 05: Filters in Tableau
• Les 06: Analytics toepassen op het werkblad
• Les 07: Dashboard in Tableau
• Les 08: Wijzigingen aan gegevensverbindingen
• Les 09: Inleiding tot detailniveau in Tableau (LODS)

Cursus 5 - Data Science afsluitende examenopdracht

Deze Data Science afsluitende examenopdracht geeft je de kans om de vaardigheden die je tijdens dit programma hebt geleerd, toe te passen. Via speciale mentorsessies leer je hoe je een echt, industrieel Data Science-probleem oplost, van gegevensverwerking en modelbouw tot het rapporteren van je bedrijfsresultaten en inzichten. 

Het project is de laatste stap in het leertraject en zal u helpen om uw expertise te laten zien aan uw (toekomstige) werkgevers.

Belangrijkste leerdoelen

Deze online cursus neemt u mee door de Data Science beslissingscyclus, inclusief gegevensverwerking, het bouwen van een model en het weergeven van de resultaten. De projectmijlpalen zijn als volgt:

• Gegevensverwerking - In deze stap past u verschillende gegevensverwerkingstechnieken toe om ruwe gegevens betekenisvol te maken.
• Modelbouw - U maakt gebruik van technieken zoals regressie en beslisbomen om Machine Learning-modellen te bouwen die nauwkeurige en intelligente voorspellingen mogelijk maken. U kunt Python en R gebruiken om uw model te bouwen. U volgt de volledige modelbouw-oefening van datasplitsing tot test en training en het valideren van gegevens met behulp van het k-voudige kruisvalidatieproces.
• Model fine-tuning - U zult verschillende technieken toepassen om de nauwkeurigheid van uw model en het kampioensmodel selecteren dat de beste nauwkeurigheid biedt. 
• Dashboarding en weergave van de resultaten - Als laatste stap zult u uw resultaten exporteren naar een dashboard met zinvolle inzichten met behulp van Tableau

EXTRA: SQL training

Deze cursus geeft u de informatie die u nodig heeft om succesvol met SQL databases te gaan werken en gebruik te maken van de database in uw toepassingen. U leert de concepten van fundamentele SQL statements, conditionele statements, commando's, joins, subqueries en diverse functies om uw SQL database te beheren voor schaalbare groei.

Belangrijkste leerdoelen

• Het begrijpen van databases en relaties
• Algemene query tools gebruiken en werken met SQL commando's
• Transacties begrijpen, tabellen en views creëren
• Opgeslagen procedures begrijpen en uitvoeren

Cursusprogramma

• Les 1: Fundamentele SQL Verklaringen
• Les 2: Herstel en back-up
• Les 3: Selectieopdrachten: Filteren
• Les 4: Selectieopdrachten: ordenen
• Les 5: Alias
• Les 6: Samenvoegen Opdrachten
• Les 7: Groep door commando's
• Les 8: Conditional Statement
• Les 9: Joins
• Les 10: Subqueries
• Les 11: Views en index
• Les 12: String functies
• Les 13: Mathematische Functies
• Les 14: Datum - Tijd Functies
• Les 15: Patroon (String) Overeenkomende
• Les 16: Gebruikerstoegangscontrole Functies

Extra: Data Science with R

De volgende stap om een data scientist te worden is het leren van R - de meest gevraagde open source technologie. R is een krachtige Data Science- en analysetaal, met een steile leercurve en een zeer levendige gemeenschap. Dit is waarom het snel de technologie bij uitstek wordt voor organisaties die de kracht van analytics inzetten voor concurrentievoordeel.

Belangrijkste leerdoelen

• Een fundamenteel begrip krijgen van business analytics R, R-studio en werkruimte installeren en leren over de verschillende R-pakketten.
• R-programmering onder de knie krijgen en begrijpen hoe verschillende worden uitgevoerd in R
• Een diepgaand begrip krijgen van de in R gebruikte gegevensstructuur en leren gegevens in R te importeren/exporteren.
• De verschillende functies en DPYR-functies definiëren, begrijpen en gebruiken.
• Begrijpen en gebruiken van de verschillende grafieken in R voor datavisualisatie.
• Basiskennis verwerven van diverse statistische concepten
• Hypothesetests begrijpen en gebruiken om zakelijke beslissingen te sturen.
• Begrijpen en gebruiken van lineaire en niet-lineaire regressiemodellen, en
  classificatietechnieken voor gegevensanalyse
• De verschillende associatieregels en het Apriori algoritme leren kennen en gebruiken.
• Clustermethoden leren en gebruiken, waaronder K-means, DBSCAN en hiërarchische clustering.

Cursusprogramma

• Les 01: Inleiding tot bedrijfsanalyse
• Les 02: Inleiding tot R programmeren
• Les 03: Gegevensstructuren
• Les 04: Datavisualisatie
• Les 05: Statistiek voor gegevenswetenschap I
• Les 06: Statistiek voor gegevenswetenschap II
• Les 07: Regressieanalyse
• Les 08: Classificatie
• Les 09: Clusteren
• Les 10: Associatie

Extra: Deep Learning met Keras en TensorFlow

Deze Deep Learning met TensorFlow cursus van IBM zal uw Machine Learning kennis verfijnen en u een expert maken in deep learning met behulp van TensorFlow. Beheers de concepten van deep learning en TensorFlow om kunstmatige neurale netwerken te bouwen en lagen van gegevensabstractie te doorkruisen. Deze cursus leert u de kracht van data te ontsluiten en bereidt u voor op nieuwe horizonten in AIDeep Learning met TensorFlow en Keras Deze cursus brengt u van machine learning naar het volgende niveau en biedt u een solide begrip van deep learning met behulp van TensorFlow en Keras. Beheers de concepten van deep learning om kunstmatige neurale netwerken te bouwen en lagen van gegevensabstractie te doorkruisen. Deze cursus leert u hoe u de kracht van gegevens kunt ontsluiten en bereidt u voor op nieuwe horizonten in kunstmatige intelligentie (Artificial Intelligence).

Belangrijkste leerdoelen

• Diep leren met behulp van neurale netwerken begrijpen
• Een goed begrip krijgen van Tensorflow en Keras
• Begrijp convolutionaire neurale netwerken (CNN's) en hun toepassingen
• Vertrouwd raken met terugkerende neurale netwerken (RNN's) en autoencoders
• De prestaties van je neurale netwerk optimaliseren met behulp van L2 regularisatie en drop-out lagen
• Autoencoder-modellen maken om afwijkingen op te sporen

Cursusprogramma

Les 1: Inleiding tot AI en Deep Learning
Les 2: Kunstmatig neuraal netwerk
Les 3: Diepe neurale netwerken en hulpmiddelen
Les 4: Diep Neuraal Net optimalisatie, afstemming en interpreteerbaarheid
Les 5: Convolutioneel neuraal net (CNN)
Les 6: Terugkerende Neurale Netten
Les 7: Autoencoders

Extra: Masterclass industrie - Data Science

Woon deze online interactieve industrie masterclass bij om inzicht te krijgen in Data Science ontwikkelingen en AI technieken

Projecten

Het bouwen van een gebruiker gebaseerd aanbeveling model voor Amazon

De gegevensset bevat filmrecensies gegeven door Amazon klanten. Voer gegevensanalyse uit op de Amazon filmrecensies van klanten en bouw een Machine Learning aanbevelingsalgoritme dat de beoordelingen geeft voor elk van de gebruikers. Domein: E-commerce

Comcast Telecom Klantenklachten

Comcast is een Amerikaans wereldwijd telecommunicatie bedrijf. Het bedrijf heeft verschrikkelijke klantenservice service. Ze blijven tekort schieten ondanks herhaalde beloftes om te verbeteren. Gebruik de bestaande database van klantenklachten als een opslagplaats om de klanten tevredenheid te verbeteren. Domein: Telecommunicatie

Mercedes-Benz groener produceren

Verkort de tijd die een Mercedes-Benz op de testbank doorbrengt. Werk met een dataset die verschillende permutaties van de kenmerken in een Mercedes-Benz auto vertegenwoordigt om de tijd te voorspellen die nodig is om de test te doorstaan. Optimale algoritmen zullen bijdragen tot sneller testen, wat resulteert in een lagere kooldioxide-uitstoot zonder dat de Mercedes-Benz. Domein: Auto industrie

Analyse van de detailhandel met Walmart

Een van de toonaangevende detailhandelszaken in de VS, Walmart, wil de verkoop en de vraag nauwkeurig voorspellen. Het bedrijf staat voor een uitdaging door onvoorziene vraag en raakt af en toe zonder voorraad. Men ontdekt dat een Machine Learning-algoritme aan de basis ligt van dit probleem. Bouw een ideaal ML-algoritme dat de vraag nauwkeurig voorspelt en met factoren zoals economische omstandigheden zoals CPI, werkloosheidsindex, enz. Domein: Detailhandel

Film lens case study

Analyse uitvoeren met behulp van de verkennende gegevensanalyse techniek. Je moet kenmerken vinden die de beoordelingen beïnvloeden van een bepaalde film en een model bouwen om de filmratings te voorspellen. Domein: Entertainment

Analyses van verzoeken om klantenservice

Voer gegevensanalyses uit op oproepen naar New York City 311 service requests. Je richt je op data wrangling technieken om datapatronen te begrijpen en ook visualisaties te maken om klachttypes te categoriseren en prioriteren, zoals economische omstandigheden met inbegrip van CPI, werkloosheidsindex, enz. Domein: Klantenservice

Vergelijkende studie van landen

Maak een dashboard om een vergelijkende studie te maken van verschillende parameters van verschillende landen met behulp van de verzekeringsgegevens en de gegevens van de indicatoren. Domein: Geopolitiek

Analyse van de verkoopprestaties

Bouw een dashboard dat de maandelijkse verkoopprestaties per productsegment en productcategorie weergeeft om klanten te helpen de segmenten en categorieën te identificeren die hun verkoopdoelstellingen hebben gehaald of overtroffen, evenals diegenen die hun verkoopdoelstellingen niet hebben gehaald. Domein: Detailhandel

Voorspel de vraag naar lening op basis van regio

Dit project geeft cursisten inzicht in de banksector. Cursisten moeten een statistisch model bouwen om de vraag naar leningen in een bepaalde regio te voorspellen. Om de resultaten te tonen, moeten de cursisten een online dashboard maken dat het plan en de voortgang ervan toont aan alle belanghebbenden. Domein: Bankwezen

Model bouwen om diabetespatiënten te voorspellen

Het project is afgestemd op het NIDDK (National Institute of Diabetes and Digestive and Kidney Diseases) gegevenssets die een van de meest chronische en gevolg ziekten. Het doel van dit project is het bouwen van een model om de patiënten met diabetes te voorspellen door gebruik te maken van de gegeven dataset. Domein: Gezondheidszorg

Klantsegmentatie op consumenten in de detailhandel

Klantsegmentatie uitvoeren met behulp van RFM-analyse. De resulterende segmenten kunnen worden gerangschikt van meest waardevol (hoogste frequentie, frequentie en waarde) tot minst waardevol (laagste frequentie, frequentie en waarde). Domein: Detailhandel

Certificaten

Na voltooiing van deze masteropleiding Programma, ontvangt u de certificaten van IBM en AVC & Simplilearn in de Data Science cursussen in het leertraject. Deze certificaten getuigen van uw vaardigheden als expert in Data Science. Bij voltooiing van het programma ontvangt u ook een erkend mastercertificaat van AVC & Simplilearn.

Wie zou zich voor dit programma moeten inschrijven?

De rol van Data Science vereist een samenspel van ervaring, Data Science-kennis en het gebruik van de juiste tools en technologieën. Het is een solide carrière keuze voor zowel nieuwe als ervaren professionals. Aspirant professionals van elk opleidingsniveau achtergrond met een analytische zijn het meest geschikt om de Data Scientist Masteropleiding Programma, inclusief:

• IT Professionals
• Analytics Managers
• Bedrijfsanalisten
• Bank en Financiën Professionals
• Marketing Managers
• Supply Chain Netwerk Managers
• Beginners of pas afgestudeerden in Bachelors of Masters Degree