Opis kursa
NCC Montenegro nudi sveobuhvatan program obuke fokusiran na nauku o podacima i tehnike analize podataka. Ovaj kurs naglašava praktične implementacije i teorijske osnove, pripremajući učesnike da se suoče sa izazovima obrade podataka, vizualizacije i analize. Razvijen u suradnji sa stručnjacima iz industrije i akademskim istraživačima, program osposobljava studente s vještinama za analizu, manipulaciju i vizualizaciju podataka koristeći moderne alate.
Data Science predstavlja transformativni pristup u izvlačenju uvida iz strukturiranih i nestrukturiranih skupova podataka. Ovaj kurs premošćuje jaz između teorijskih koncepata i praktične implementacije koristeći alate kao što su NumPy, Pandas i Matplotlib, omogućavajući učesnicima da izvrše prethodnu obradu podataka, statističku analizu i vizuelno pripovijedanje.
Kako podaci nastavljaju da oblikuju procese donošenja odluka u različitim industrijama, ovaj kurs priprema studente da primene svoje znanje u različitim domenima kao što su poslovna analitika, finansije, zdravstvo, marketing i naučno istraživanje. Kombinujući teorijske principe sa praktičnim eksperimentisanjem, učesnici stiču stručnost za upravljanje projektima zasnovanim na podacima i isporučuju uvide koji se mogu primeniti.
Sadržaj kursa (12 modula):
- Uvod u nauku o podacima – definicije, istorija i ključni koncepti.
- Python za nauku o podacima – Osnovne tehnike programiranja i biblioteke.
- Rad sa NumPy – Nizovi, indeksiranje i matrične operacije.
- Pande za manipulaciju podacima – okviri podataka, serije i čišćenje podataka.
- Vizualizacija podataka uz Matplotlib i Seaborn – Tehnike crtanja i vizualna analitika.
- Statistička analiza i deskriptivna statistika – mjere centralne tendencije i varijabilnosti.
- Prethodna obrada podataka – Rukovanje nedostajućim podacima, odstupnicima i normalizacijom.
- Istraživačka analiza podataka (EDA) – Istraživanje podataka, korelacije i obrasci.
- Analiza vremenskih serija – Rad sa vremenskim podacima i analiza trenda.
- Osnove mašinskog učenja – Regresija, klasifikacija i grupisanje uz Scikit-learn.
- Napredna vizualizacija podataka – Interaktivne vizualizacije koristeći Plotly i Dash.
- Razvoj Capstone projekta – Projekat analize podataka od kraja do kraja koji pokriva čišćenje podataka, vizualizaciju i izgradnju modela.
Ishodi učenja
- Koristite Python biblioteke kao što su NumPy, Pandas, Matplotlib i Seaborn za manipulaciju podacima i vizualizaciju.
- Izvršavajte zadatke predobrade podataka, čišćenja i transformacije kako biste pripremili skupove podataka za analizu.
- Analizirajte i interpretirajte trendove podataka kroz deskriptivnu statistiku i istraživačke tehnike.
- Primijenite algoritme mašinskog učenja za zadatke klasifikacije i regresije.
- Razvijte interaktivne kontrolne table i vizualizacije kako biste efikasno predstavili uvide.