Applied Data Science med Python

Vil du kunne forudsige nøgletal for din forretning? Med data science teknikker og Machine Learning algoritmer, er det muligt at lave prædiktive modeller med høj præcision.

Du får på kurset en grundig gennemgang af, hvordan du kan benytte Python til Data Science og Machine Learning, hvor fokus vil være på egentlig programmering i Python og forståelse af de gældende metoder og principper indenfor data science. Du lærer de basale biblioteker, som er nødvendige for at producere prædiktive modeller og får samtidig en introduktion til supervised machine learning models samt fortolkning af disse.

Kurset afholdes på dansk eller engelsk afhængig af deltager sammensætning.

100% af kursets tidligere deltagere anbefaler Teknologisk Institut

Deltagerprofil

Dette kursus er for dig, som gerne vil lære at anvende Python i dit arbejde med Machine Learning. Du har evt. i dit daglige arbejde adgang til data i forskellig form, som du gerne vil vride mere værdi ud af gennem Machine Learning modeller.

Forudsætninger

Du forventes at have grundlæggende kendskab til programmering i Python eller andet programmeringssprog, herunder forståelse for bl.a. variabler, loops, control flows og funktioner. Hvis elementer af dette er ukendt stof, bør du gennemgå modul 1, 2 og 3 af følgende online kursus: Introduction to Python for Data Science som er gratis.

Indhold

Kurset består af gennemgang af de teoretiske modeller og principper og med meget stor vægt på praktiske hands-on opgaver, så du kan anvende det lærte hurtigt og nemt efter endt kursus.

• Data science kræver en række biblioteker, som du bør være bekendt med. Vi gennemgår pandas, scikit-learn mm.

• I praksis bruges der meget tid på at få indlæst og renset data. Vi gennemgår procedurer for indlæsning af data samt imputation og one-hot encoding.

• Modellering er essentiel for at lave gode prædiktioner. Et udpluk af prædiktionsmodeller fra scikit-learn præsenteres herunder random forest.

• For at sikre konsistente resultater på ny data, er det vigtigt at evaluere sin model med de korrekte teknikker. Derfor gennemgås bla. cross validation til at validere modeller, og tuning af hyperparametre behandles for at undgå overfitting.

Hvis der er tid til overs vil du også få en introduktion til Unsupervised Learning, som bruges til at finde strukturer i data, så som segmentering af kunder og produkter.

Underviser

Mathias Kvist Aarup arbejder til daglig som Data Scientist, hvor Python er det primære programmeringssprog. Mathias har en kandidat i matematisk finansiering fra Aarhus Universitet, hvor han også har undervist i flere år. Han er af den overbevisning, at Python i øjeblikket er det bedste værktøj til Data Science.