academica.ge წარმოგიდგენთ მსოფლიოში ერთ-ერთ ყველაზე პოპულარულ კურსს მონაცემთა მეცნიერება Python პროგრამირებით.
მონაცემთა მეცნიერება განსაკუთრებით პოპულარული გახდა ხელოვნური ინტელექტის განვითარების კვალდაკვა. დღეს მონაცემთა მეცნიერები ერთ-ერთი ყველაზე მოთხოვნადი კადრები არიან და ეს მათ ანაზღაურებაზეც აისახება.
კურსი დაგეხმარებათ პირველი ნაბიჯები გადადგათ მონაცემთა მეცნიერებაში. კურსის გავლის შემდეგ უკვე დამოუკიდებლად შეძლებთ მონაცემთა მეცნიერების სიღრმისეულ შესწავლას, რადგან გექნებათ ყველა ის ცოდნა და უნარი, რაც პრაქტიკული მაგალითების გასაკეთებლად გამოგადგებათ.
მონაცემთა მეცნიერების მთავარი ხელსაწყოა Python პროგრამირების ენა. Python-ის ბიბლიოთეკებს NumPy, Pandas, Matplotlib და Seaborn-ს, რომლებსაც მონაცემთა მეცნიერები ყველაზე ხშირად იყენებენ, კურსის ფარგლებში სიღრმისეულად გაივლით.
კურსის გავლის შემდეგ თქვენ გექნებათ საკმარისი ცოდნა იმისთვის, რომ დამოუკიდებლად გადახვიდეთ შემდეგ საკითხებზე, როგორიცაა მანქანური სწავლება და ხელოვნური ინტელექტი(AI).
ასევე, კურსის ფარგლებში ყურადღება ეთმობა მონაცების დამუშავებასა და ვიზუალიზაცია, რაც მონაცემთა მეცნიერების განუყოფელი ნაწილია.
Შესავალი მონაცემთა მეცნიერებაში
- Შესავალი მონაცემთა მეცნიერებაში
- Სამუშაო გარემოს დაყენება ( VS Code + Jupyter )
Python-ის საფუძვლები
- არითმეტიკული ოპერაციები
- ცვლადები ( შესავალი )
- შედარებითი პირობები
- ცვლადები
- Მონაცემთა ტიპები
- ლოგიკური განშტოებები
- არალოგიკური პირობები
- გამეორება While-ით
- გამეორება For-ით
- ფუნქციები
- ლოკალური ცვლადები და ხედვის არე ( Scope )
რიცხვითი გამოთვლები Numpy-თ
- Numpy-ს მასივები
- მრავალგანზომილებიანი Numpy-ს მასივები
- CSV მონაცემთა ფაილებთან მუშაობა
- არითმეტიკული ოპერაციები მასივებზე
- მასივების ინდექსიგინ და დაჭრა
ცხრილის მონაცემების ანალიზი Pandas-ით
- CSV ფაილის წაკითხვა Pandas-ით
- მონაცემების მოპოვება DataFrame-დან
- მონაცემთა ანალიზი DataFrame-ში
- რიგების დალაგება
- რიგების დალაგება სვეტის მნიშვნელობების გამოყენებით
- თარიღებთან მუშაობა
- დაჯგუფება და გაერთიანება
- რამდენიმე წყაროდან მონაცემების შეერთება
- მონაცემების ფაილში ჩაწერა
Მონაცემთა ვიზუალიზაცია Matplotlib / Seaborn-ით
- წრფივი გრაფიკი
- სტანდარტული სტილების გაუმჯობესება Seaborn-ით
- გამფანტავი გრაფიკი
- ჰისტოგრამა
- სვეტოვანი გრაფიკი
- სითბური გრაფიკი
- სურათები
- სხვადასხვა გრაფიკის დახატვა
-
კურსში გამოყენებული მასალები
მოცემულ ლინკზე გადასვლით შეგიძლიათ გადმოწეროთ Jupiter Source File-ები და ისე მიყვეთ ლექციების მსვლელობას.
-
სასერტიფიკატო დავალებები
იმისთვის, რომ მიიღოთ სერტიფიკატი, უნდა დაწეროთ ყველა სასერტიფიკატო დავალება. შემდეგ კი უნდა მოგვწეროთ მეილზე info@academica.ge და აირჩიოთ თქვენთვის სასურველი დრო ფინალური სასერტიფიკატო დავალების დასაწერად. ფინალური სასერტიფიკატო დავალებას თქვენ მიერ არჩეულ დროს გადმოგეგზავნებათ მეილზე.
-
კურსის წარდგენა: მონაცემთა მეცნიერება Python-ით
-
ლექცია 1: პითონის საფუძვლები
- 01.1 სამუშაო გარემოს მოწყობა
- 01.2 არითმეტიკული ოპერაციები პითონის გამოყენებით
- 01.3 შედარებითი ოპერაციები True False
- 01.4 მონაცემთა ტიპები
- 01.5 ტექსტების დამუშავება
- 01.6 სია
- 01.7 Tuples კორტეჟი
- 01.8 If Else
- 01.9 არალოგიკური პირობები
- 01.10 For ლუპი
- 01.11 ფუნქციები
- 01.12 ფუნქციები (გაგრძელება)
- 01.13 დავალება
-
ლექცია 2: მონაცემთა მანიპულაცია NumPy და Pandas
-
ლექცია 3: მონაცემთა ვიზუალიზაცია Matplotlib და Seaborn
-
დამატებითი მასალები
ქვემოთ გიზიარებთ რამდენიმე ვიდეოს, სადაც, ჩემი აზრით, საინტერესო მაგალითებია განხილული. ეს და მსგავსი ვიდეოები დაგეხმარებათ დამოუკიდებლად გააგრძელოთ მონაცემთა მეცნიერების სიღრმისეული შესწავლა.
