მონაცემთა მეცნიერება

მონაცემთა მეცნიერება

ეკონიმკა, მედიცინა, ფარმაკოქიმია, გამოყენებითი და გამოთვლით დარგები, კომპიუტერული სისტემები და ა. შ. ეს ის არასრული ჩამონათვალია, რომლებიც ინტენსიურად იყენებს თანამედროვე მონაცემთა მეცნიერების მიღწევებს. მონაცემთა მეცნიერება ერთერთი მაღალანაზღაურებადი და მნიშვნელოვანი მიმართლებაა.

ჩვენთან შეისწავლით python -ისთვის გარკვეული აუცილებელი ბიბლოთეკების (NumPy, Panda, SciPy) გამოყენებას და სხვადასხვა საკითხებს მონაცმეთა კვლევებიდან.

რეგისტრაცია: https://forms.gle/y6cGrECmGEZSDqiZ9

რას შეისწავლით:

  1. წარმატებით შეასრულებთ ყველა ნაბიჯს მონაცემთა მეცნიერების რთულ პროექტებში;
  2. თავისუფლად შესძლებთ მონაცემთა ცხრილების ინტელექტუალურ ანალიზს;
  3. სრულფასოვნად აითვისებთ ხი-კვადრატ სტატისტიკური კრიტერიების თეორიაში (მათემატიკური სტატისტიკის ელემენტები);
  4. უმცირეს კვადრატთა მეთოდი დეტალურად წრფივი რეგრესიის შესაქმნელად;
  5. R-კვადრატ კორექტირებული შეფასებები ყველა მოდელისთვის;
  6. მარტივი წრფივი რეგრესიები (SLR);
  7. მრავლობით რეგრესიები (MLR);
  8. ფიქტიური ცვლადების შექმნა;
  9. MLR კოეფიციენტის შეფასება;
  10. სტატისტიკური დასკვნების წაკითხვის უნარები შექმნილი მოდელებისთვის;
  11. შებრუნებული გამორიცხვის და პირდაპირი შერჩევის ტექნიკა სტატისტიკური მოდელებისთვის;
  12. ლოგისტიკური რეგრესია;
  13. ლოგისტიკური რეგრესიის ინტუიტიური აღქმა;
  14. ე.წ ROC ანალიზი და ცხრილები;
  15. მუტაციის მატრიცები;
  16. გეოდემოგრაფიული სეგმენტაციის სანდო მოდელის შექმნა;
  17. დამოუკიდებელი ცვლადების გარდაქმნა მოდელის შექმნის მიზნით;
  18. ახალი დამოუკიდებელი ცვლადების შექმნა ;
  19. მულტიკოლინეარობის შესახებ;
  20. VIF -ის და კორელაციის მატრიცის გამოყენება
  21. მულტიკოლინეარობისთვის;
  22. პროფილთა სიმრავლის (СAP) სიზუსტის და მოდელის ხარისხის შეფასება;
  23. CAP -ის აგება Excel-ში;
  24. მონაცმეთა გამოყენება მანქანური სწავლებისთვის და ტესტირებისთვის;
  25. CAP მრუდიდან ინფორმაციის ამიღება ;
  26. თანაფარდობა შანსებს შორის;
  27. ბიზნეს იდეა და ლოგისტიკური რეგრესიის კოეფიციენტი;
  28. მანქანური სწავლების ელემენტები;
  29. ცნობილი ალგორითმების მიმოხილვა;
  30. ბიბლიოთეკების გამოყენება (scikit-learn, tensorflow python)
    პროგნოზული მოდელის შექმნა.

[/ vc_column_text]

ტრენინგს ატარებს მათემატიკის დოქტორი, ასოც. პროფესორი თენგიზ ქირია

რეგისტრაცია: https://forms.gle/y6cGrECmGEZSDqiZ9 [/ vc_column_text] [/ vc_column] [/ vc_row]

ტრენინგს ატარებს მათემატიკის დოქტორი, ასოც. პროფესორი თენგიზ ქირია

 რეგისტრაცია:  https://forms.gle/y6cGrECmGEZSDqiZ9 

4
4 out of 5
6 Ratings

Detailed Rating

Stars 5
3
Stars 4
0
Stars 3
3
Stars 2
0
Stars 1
0

{{ review.user }}

{{ review.time }}
 

Show more
Please, login to leave a review
Add to Wishlist
Enrolled: 9 students
Duration: 48 hours
Video: 0 hours
Level: Advanced
გამოიწერე ჩვენი ტრენინგები და მიიღე 40% ფასდაკლება, ასევე უფასო მასტერკლასები

 

Loading