Data Science

Data Science məzunları həm də Data analitik olaraq çalışa bilir. Riyazi biliklər tələb olunur. Hazırda ən yüksək gəliri olan innovativ peşələrdən biridir. Məzunlar asanlıqla AI (Süni İntellekt), Machine Learning sahələrinə keçid edə bilir. Həftədə 3 gün, 6 ay olmaqla bootcamp sistemi ilə əyani tədris olunur.

+ 1000-lərlə tələbə bu təhsili aldı

Kimlər

üçündür:

Sərbəst (freelance) və ya uzaqdan (remote) xarici şirkətlərlə işləməyi sevənlər
Banklarda və nüfuzlu şirkətlərdə tech. sahəsində karyera arzulayanlar
Fərqli sektorda işləyib IT sektoruna keçid etmək istəyənlər
Yaxın 1-5 ildə xaricə köçməyi planlayanlar

Data science dərsləri.

Proqram intensiv formada həftədə 3 gün, 6 ay davam edir. Hər gün dərslər 50% tədris, 50% praktiki məşğələdən ibarətdir. Təcrübələr göstərir ki, bu — ən keyfiyyətli öyrənmə metodudur ⚡ 

Data Science dərslərinin klassik data analitika kurslarından nə fərqi var?

Müxtəlif HR-larÖlkənin aparıcı şirkətlərinin HR-ları tələbələrə intervyu sirləri, işə qəbul ipucları, effektiv iş müraciəti haqda incəlikləri açıqlayır və netvörkinq imkanı yaradılır.
Karyera dəstəyiProqram boyunca qrup üzvləri karyera mərkəzi tərəfindən müxtəlif təlim və seminarlar ilə peşəkar kadr həyatına hazırlaşdırılır. Həmçinin, mərkəzin partnyorluq etdiyi şirkətlərə tələbələrin CV-ləri göndərilir və müsahibələrə yönləndirilir.
Öyrənənədək dəstək. Öyrənə bilməsən, digər yeni başlayan qruplara transfer ola bilər və dərslərə heç bir ödəniş etmədən yenidən qatıla bilərsən.

Niyə Div Academy-də Data Science öyrənməlisən?

— 24 saat açıq mərkəz
— Hər gün dərs + praktiki məşğələ
— Nəhəng layihələrdə və xarici şirkətlərdə işləmiş müəllimlər
— Bootcamp sistemi
— Mentor dəstəyi
— Karyera dəstəyi
— Diplom və dərəcəli sertifikat


Tədrisin proqramı:

Modul 1: Programming and Data Foundations

  • SQL for Data Analysis (joins, subqueries, window functions, views)

  • Python for Data Science (variables, loops, functions)

  • Algorithms and Problem Solving (Leetcode Practice)

  • NumPy, Pandas, and Matplotlib

  • Data Cleaning & Exploratory Data Analysis (EDA)


Modul 2: Machine Learning Essentials

  • Scikit-learn: Pipelines, Model Training, and Evaluation Metrics

  • Supervised Learning: Linear Models, Decision Trees, SVM, Ensemble Methods

  • Unsupervised Learning: PCA, Clustering

  • Time Series Analysis with Scikit-learn


Modul 3: Deep Learning & Neural Networks

  • Introduction to TensorFlow and Neural Networks

  • Training Deep Learning Models

  • Transfer Learning and Model Scaling

  • Error Analysis and Model Tuning


Modul 4: Computer Vision

  • CNNs and Image Classification (MNIST, Fashion MNIST)

  • Object Detection with YOLO

  • Advanced CNN Architectures (UNET, GoogLeNet, Vision Transformers)

  • Applications: Lane Detection, Face Verification with Siamese Networks

Modul 5: Natural Language Processing (NLP)

  • NLP with TensorFlow

  • Sentiment Analysis, SkimLit NLP, and Shakespeare NLP Project

  • Time Series Forecasting with TensorFlow

Modul 6: Advanced Topics & Career Prep

  • AutoEncoders & GANs

  • Project: GAN Fashion MNIST

  • Model Deployment and Scaling in Production

  • Data Visualization with Tableau

  • Interview Preparation & Case Studies



Div Academy tələbəsi kimi hansı karyera dəstəyi alacaqsan?

— Karyera mərkəzimizin İnsan resursları mütəxəssisi tərəfindən konsultasiyalar
— Partnyor şirkətlərə iş üçün CV-lərin yönləndirilməsi
— Linkedln profili üçün ideyaların verilməsi
— GitHub hesabının açılması, istifadəsi və idarə olunması
— Düzgün CV və portfel hazırlanması
— İş müsahibəsində veriləcək suallara hazırlıq
— IT tədbir, forum, ekskursiyalarda ödənişsiz iştirak
— Sahənin tanınmış spikerlərindən maraqlı təlimlər

Hansı biliklərə

hakim olacaqsan?

  • Tədrisin proqramı (Sillabus)

    Foundations of data & analytics


    Relational database management systems

    1. Background to SQL Querying and Programming
    2. Single Table Queries
    3. Joins
    4. Subqueries
    5. Table Expressions
    6. Learning functions to work with different data types in SQL
    7. Set Operators
    8. Advanced Querying with SQL (Analytical functions)
    9. Data Modification
    10. SQL Programmable Objects

    Programming principles with Python

    1. Introduction to Computational Thinking, Problem Solving and working With IDEs
    2. Data Types, Variables, and Functions
    3. Conditionals
    4. Loops
    5. Exceptions and Error Handling
    6. File I/O
    7. List and Dictionary Comprehensions, Generator Objects
    8. Strings and Sequences Manipulation
    9. Object-Oriented Programming


    Data wrangling and analysis with Python

    1. Basics of Pandas and NumPy and working with Jupyter Notebook environment
    2. Data Loading, Storage, and File formats using Pandas
    3. Data Cleaning and Preparation using Pandas
    4. Data Wrangling: Join, Combine, and Reshape using Pandas
    5. Data Aggregation and Group Operations
    6. Working with Time Series


    Data visualization and intro to data analysis

    1. Introduction to Data Analysis and Data Analysis Problem Definition
    2. Testing and Evaluation Approaches for Data Analysis
    3.  Introduction and Best Practices of Data Visualization
    4. Introduction to Hypothesis Testing
    5. Variability and Spread
    6. Introduction to Data Visualization using Power BI
    7. Introduction to Data Visualization using Matplotlib

    Foundations of data science

    1. Introduction to Machine Learning and Scikit-Learn package
    2. Hyperparameters and Model Validation
    3. Feature Engineering
    4. ML: Naive Bayes
    5. ML: Linear Regression
    6. ML: Support Vector Machines
    7. ML: Decision Trees and Random Forest
    8. ML: Principal Competent Analysis
    9. ML: Manifold Learning
    10. ML: K-Means Clustering


    Foundations of data engineering

    1. Introduction to NoSQL Databases — MongoDB
    2. Introduction to Cloud solutions– AWS S3, Athena, and Lambda
    3. Data Ingestion — Extracting Data
    4. Data Ingestion — Loading Data
    5. Transforming Data
    6. Orchestrating Pipelines
    7. Data Validation in Pipelines
    8. Data Warehouse Design: Dimensional Schema vs Star Schema vs Snowflake Schema.
    9. Parallel Processing for High Performance Computing
    10. Map Reduce Paradigm for Big Data Processing


    Introductory topics in artificial intelligence and big data

    1. Introduction to Big Data Storage and Processing using Hadoop Ecosystem
      1.1. Introduction to Hadoop for Distributed Big Data Storage
      1.2. Introduction to Apache Spark for Big Data Processing
      1.3.Introduction to Stream Processing with Apache Kafka

    2. Introduction to Artificial Intelligence with AWS
      2.1. Introduction to Computer Vision with Amazon Rekognition
      2.2. Building Chatbot and Virtual Agents with Amazon Lex

    Capstone project

Bu kursu bitirənlər

indi haradadır?

Data Science
Şükür İbadov

Data Science
Orxan Qədirli

Data Science
Püstə Sadıqova

Hansı məkanda

təhsil alacaqsan?

Div akademiya
Div akademiya
Div akademiya
Div akademiya
Div akademiya
Div akademiya
Div akademiya
Div akademiya
Div akademiya
Div akademiya

Bizi tövsiyə

edirlər:

it kurslar bakida
Jafar Najaf

Growth hacker, Chapple.ai startapının təsisçisi

Bu sahədə karyera qurmaq istəyənlər üçün dəyərli seçim olduğunu düşünürəm və öz yaxınlarıma da tövsiyə edirəm.

it kurslar bakida
Seymur Rasulov

Whelp startapının təsisçisi

Tanıdığım, etibar etdiyim və öz yaxınlarıma da tövsiyə etdiyim IT sektorunda qabacıq akademiyalardan biridir.

it kurslar bakida
Toğrul Ələkbər

Karyera məsləhətçisi, kouç

Div Academy vizyonunu və yanaşmasını təqdir etdiyim, keyfiyyətinə güvəndiyim bir məkandır.

it kurslar bakida Sənə yardımçı olmaq
üçün buradayıq

Akademiya və tədris proqramları haqqında daha ətraflı məlumat üçün qeydiyyatdan keç

  • aysel div academy

kod yazmaqİlk addımı at,
ödənişsiz sınaq dərsinə yazıl

Tədrisi seçin