Data Science

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-lar. Ölkənin aparıcı şirkətlərinin HR-ları tələbələrə intervyu sirləri, işə qəbul ipucları, effektiv iş müraciəti haqda incəlikləri açıqlayır və netvörkinq imkanı yaradılır.
— Karyera dəstəyi. Proqram 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

Data Science tələbəsi kimi hansı karyera dəstəyi alacaqsan?

— Karyera mərkəzimizin İnsan resursları mütəxəssisi tərəfindən tamamilə ödənişsiz konsultasiyalar
— Partnyor şirkətlərə iş üçün CV-lərin yönləndirilməsi
— Düzgün CV və portfel hazırlanması
— İş müsahibəsində veriləcək suallara hazırlıq
— Data sahəsi üzrə tədbir, forum, ekskursiyalarda ödənişsiz iştirak
— Sahənin tanınmış spikerlərindən birəbir konsultasiya

Tədrisin proqramı

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

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