NORDICINSTITUTION
Kurslar/Data Science

Data Science

EDA-dan deployment-a qədər — Pandas, Scikit-learn, XGBoost, NLP, A/B testi, zaman sırası proqnozu, Streamlit və Docker ilə real dünya Data Science: 6 modul, 48 dərs.

Texnologiyalar

Scikit-Learn
Pandas
Py-PI
R
Python
Jupyter

Kursa qoşul

150 ₼/ay

6 modul

48 dərs

11 tələbə

Aktiv qeydiyyat

150 ₼/ay

Kurs qiyməti

Proqram

6 modul · 48 dərs · 0 tapşırıq

00

Modul 0 — Data Science-ə Giriş və Python Ekosistemi

Data Science iş axını, Jupyter mühiti, NumPy, Pandas əsasları, ilk EDA.

8 dərs
0.0

Data Science nədir? İş axını, rollar, sənaye tətbiqləri

Nəzəri

0 tapşırıq
0.1

Mühitin qurulması: Anaconda, Jupyter Notebook / JupyterLab

Praktiki

0 tapşırıq
0.2

NumPy: ndarray, broadcasting, vektorlaşdırılmış əməliyyatlar

Nəzəri + Praktiki

0 tapşırıq
0.3

Pandas: DataFrame, Series, indeksləmə, loc / iloc

Nəzəri + Praktiki

0 tapşırıq
0.4

Məlumat oxunması: CSV, Excel, JSON, SQL, API

Praktiki

0 tapşırıq
0.5

Məlumat keyfiyyəti: boş dəyərlər, duplikatlar, tip uyuşmazlığı

Nəzəri + Praktiki

0 tapşırıq
0.6

EDA (Exploratory Data Analysis) əsasları: describe, info, value_counts

Nəzəri + Praktiki

0 tapşırıq
0.7

İlk tam EDA: real dataset ilə başdan sona analiz

Praktiki

0 tapşırıq
01

Modul 1 — Məlumat Hazırlığı (Data Wrangling)

Pandas ilə dərin məlumat emalı: qruplaşdırma, birləşdirmə, encoding, feature engineering.

8 dərs
1.0

Qruplaşdırma: groupby, agg, transform, apply

Nəzəri + Praktiki

0 tapşırıq
1.1

Cədvəllərin birləşdirilməsi: merge, join, concat

Nəzəri + Praktiki

0 tapşırıq
1.2

Zaman sıraları: datetime, resample, rolling, shift

Nəzəri + Praktiki

0 tapşırıq
1.3

Kateqoriyalı dəyişənlər: Label Encoding, One-Hot, Ordinal

Nəzəri + Praktiki

0 tapşırıq
1.4

Outlier aşkarlanması: IQR, Z-score, isolation forest

Nəzəri + Praktiki

0 tapşırıq
1.5

Feature engineering: yeni dəyişənlər, binning, interaction

Nəzəri + Praktiki

0 tapşırıq
1.6

Scaling: StandardScaler, MinMaxScaler, RobustScaler

Nəzəri + Praktiki

0 tapşırıq
1.7

Scikit-learn Pipeline ilə tam preprocessing axını

Nəzəri + Praktiki

0 tapşırıq
02

Modul 2 — Vizualizasiya və Storytelling

Matplotlib, Seaborn, Plotly ilə interaktiv qrafiklər; məlumatla hekayə qurmaq.

8 dərs
2.0

Matplotlib: figure, axes, subplot, stil parametrləri

Nəzəri + Praktiki

0 tapşırıq
2.1

Seaborn: distribution, categorical, regression plotlar

Nəzəri + Praktiki

0 tapşırıq
2.2

Heatmap, pairplot, clustermap ilə çoxölçülü analiz

Nəzəri + Praktiki

0 tapşırıq
2.3

Plotly Express: interaktiv bar, scatter, choropleth

Nəzəri + Praktiki

0 tapşırıq
2.4

Plotly Dash / Streamlit ilə interaktiv dashboard

Praktiki

0 tapşırıq
2.5

Zaman sırası vizualizasiyası: trend, mövsüm, anomaliya

Nəzəri + Praktiki

0 tapşırıq
2.6

Geospatial data: Folium ilə xəritə vizualizasiyası

Nəzəri + Praktiki

0 tapşırıq
2.7

Storytelling with data: auditoiryaya uyğun chart seçimi

Nəzəri + Praktiki

0 tapşırıq
03

Modul 3 — Maşın Öyrənməsi Əsasları

Scikit-learn, reqressiya, klassifikasiya, model qiymətləndirilməsi, ensemble metodlar.

8 dərs
3.0

Scikit-learn API: fit, predict, transform şablonu

Nəzəri + Praktiki

0 tapşırıq
3.1

Xətti reqressiya: OLS, Ridge, Lasso, ElasticNet

Nəzəri + Praktiki

0 tapşırıq
3.2

Loqistik reqressiya, Decision Tree, K-NN

Nəzəri + Praktiki

0 tapşırıq
3.3

Train/test split, cross-validation, stratified K-Fold

Nəzəri + Praktiki

0 tapşırıq
3.4

Overfitting / underfitting, bias-variance tradeoff

Nəzəri + Praktiki

0 tapşırıq
3.5

Ensemble: Random Forest, Gradient Boosting, XGBoost

Nəzəri + Praktiki

0 tapşırıq
3.6

Model qiymətləndirməsi: RMSE, MAE, confusion matrix, ROC-AUC

Nəzəri + Praktiki

0 tapşırıq
3.7

Hyperparameter tuning: GridSearchCV, RandomizedSearchCV, Optuna

Nəzəri + Praktiki

0 tapşırıq
04

Modul 4 — İləri Data Science Mövzuları

NLP əsasları, A/B testi, zaman sırası proqnozu, klasterləşdirmə, SQL analitika.

8 dərs
4.0

Klasterləşdirmə: K-Means, DBSCAN, Hierarchical clustering

Nəzəri + Praktiki

0 tapşırıq
4.1

Ölçü azaldılması: PCA, t-SNE, UMAP

Nəzəri + Praktiki

0 tapşırıq
4.2

NLP əsasları: tokenization, TF-IDF, Word2Vec

Nəzəri + Praktiki

0 tapşırıq
4.3

Sentiment analizi: VADER, spaCy, Hugging Face pipeline

Nəzəri + Praktiki

0 tapşırıq
4.4

A/B testi: hipotez qurma, statistik əhəmiyyətlilik, effect size

Nəzəri + Praktiki

0 tapşırıq
4.5

Zaman sırası proqnozu: ARIMA, Prophet, ExponentialSmoothing

Nəzəri + Praktiki

0 tapşırıq
4.6

SQL ilə data analitika: window funksiyaları, CTE, performans

Nəzəri + Praktiki

0 tapşırıq
4.7

Tövsiyə sistemləri: collaborative filtering, content-based

Nəzəri + Praktiki

0 tapşırıq
05

Modul 5 — Deployment və Karyera

Model deployment, MLflow, Docker, Kaggle, portfolio qurma, müsabiqə hazırlığı.

8 dərs
5.0

Web scraping: BeautifulSoup, Selenium, REST API ilə məlumat çəkmə

Praktiki

0 tapşırıq
5.1

MLflow: experiment tracking, model registry, artifact logging

Nəzəri + Praktiki

0 tapşırıq
5.2

Streamlit ilə ML modelin interaktiv tətbiqə çevrilməsi

Praktiki

0 tapşırıq
5.3

FastAPI ilə model API-si: endpoint, schema, validation

Praktiki

0 tapşırıq
5.4

Docker ilə konteynerləşdirmə: Dockerfile, image, container

Nəzəri + Praktiki

0 tapşırıq
5.5

Kaggle strategiyası: EDA → feature eng → ensemble → submission

Praktiki

0 tapşırıq
5.6

GitHub portfolio: README, notebook təmizliyi, reproduciblity

Praktiki

0 tapşırıq
5.7

Final layihə: başdan sona tam Data Science məhsulu

Layihə

0 tapşırıq

Tapşırıqları görmək üçün daxil olub kursa yazılın.

Rəylər

Hələ rəy yoxdur

Kursu bitirənlər qiymətləndirə bilər

← Bütün kurslar