fbpx

IBM 資料科學專業證書

關於此專業證書

資料科學被評為最熱門的職業之一,對資料從業者的需求正在蓬勃發展。 IBM 的此專業證書適用於任何有興趣發展技能和經驗以從事資料科學或機器學習的人。

該計劃包括 9 門課程,提供最新的就業技能和技術,涵蓋廣泛的資料科學主題,包括:開源工具和程式庫、方法、Python、資料庫、SQL、資料視覺化、資料分析和機器學習。你將使用真實資料科學工具和實際資料集在 IBM Cloud 中實踐。

成為資料科學家需要有博士學位是一迷思。此專業證書適合具有一定計算機技能和對自學擁有熱情的任何人。不需要先前的電腦科學或程式設計知識。我們從小部分做起,重新強化應用學習,並建構更複雜的主題。

成功完成這些課程後,你將完成幾項實踐任務並建構一系列資料科學專案,讓你有信心投身於資料科學領域令人興奮的專業。除了從 Coursera 獲得專業證書外,你還將收到 IBM 的數位徽章,以表彰你對資料科學的熟練程度。 限時優惠:每月只需 39 美元即可獲得評分教材和證書。

到官方網站了解本課程與上課

製作方  

IBM提供廣泛的技術和諮詢服務;廣泛的中介軟體產品組合,用於協作、預測分析、軟體開發和系統管理;和世界上最先進的伺服器和超級計算機。利用其業務諮詢、技術和研發專業知識,隨著地球變得更加數位化,IBM 幫助客戶變得“更加智慧”。 IBM 每年在研發方面投入超過 60 億美元,剛剛完成其 21 年的專利領導。 IBM Research 已獲得超越任何商業技術研究組織的認可,並擁有 5 位諾貝爾獎獲得者,9 份美國國家技術獎章,5 份美國國家科學獎章,6 份圖靈獎和 10 位美國發明家名人堂成員。

課程 1  資料科學是什麼?

從古至今,揭示資料的見解和趨勢的藝術已經存在。古埃及人使用人口普查資料來提高稅收效率,他們準確地預測了尼羅河每年的洪水。從那時起,從事資料科學工作的人們為他們的工作開闢了一個獨特且與眾不同的領域。這個領域是資料科學。在本課程中,我們將會見一些資料科學從業者,我們將概述當今的資料科學。

瞭解課程


課程 2  資料科學的開源工具

什麼是一些最流行的資料科學工具,你如何使用它們,它們的功能是什麼?在本課程中,你將學習 Jupyter 筆記本, RStudio IDE、Apache Zeppelin 和資料科學體驗。你將瞭解每個工具的用途,可以執行的程式語言,功能和限制。

使用 Cognitive Class Labs 中雲託管的工具,你將能夠測試每個工具並跟著說明在 Python、R 或 Scala 中執行簡單程式碼。

結束課程前,你將在 IBM Data Science Experience 上使用 Jupyter Notebook 建立最終專案,展示你已能熟練地準備筆記本,撰寫 Markdown 以及與同行分享你的工作。

瞭解課程


課程 3  資料科學方法

儘管最近幾十年來計算能力和資料訪問量有所增加,但我們在決策過程中使用資料的能力要麼經常有丟失,要麼根本沒有最大化,或我們對這正在問的問題不十分了解,也不是很清楚手頭問題要如何正確地應用資料。

本課程有一個目的,即分享可用於資料科學的方法,以確保解決手頭問題時使用的資料具有相關性並得到適當操作。因此,在本課程中,你將學習:

  • 解決資料科學問題的主要步驟。
  • 實踐資料科學的主要步驟,從形成具體的業務或研究問題,到收集和分析資料,到建立模型,以及在模型佈署後理解反饋。
  • 資料科學家的想法!

瞭解課程


課程 4  用 Python 實作資料科學

此 Python 介紹將啟動你資料科學相關的 Python 學習,以及一般的程式設計。這個初學者友好的 Python 課程將在幾個小時內將你從零開始到能夠用 Python 做程式設計。

第 1 單元 – Python 基礎知識  第一個程式、型別、表示式和變數、字串操作

第 2 單元 – Python資料結構  列表和元組( Tuples )、集(Sets)、字典( Dictionaries )

第 3 單元 – Python 程式設計基礎   條件( Conditions )和分支( Branching )、迴圈( Loops )、函數( Functions )、物件和類( classes )

第 4 單元 – 使用 Python 處理資料  使用 open 讀取檔案、使用 open 寫入檔案、使用 Pandas 載入資料、 Numpy 最終,你將建立一個專案來測試你的技能。

瞭解課程


到官方網站了解本課程與上課

Sponsored by Coursera

你可能會有興趣

 歡迎使用 App / Email | Telegram 訂閱 網站更新

這個網站採用 Akismet 服務減少垃圾留言。進一步瞭解 Akismet 如何處理網站訪客的留言資料

Powered by WordPress.com.

Up ↑

%d 位部落客按了讚: