Τι κερδίζεις

Είσαι

Οποιοσδήποτε καλείται να διαχειριστεί και να αναλύσει δεδομένα και στην συνέχεια να κάνει προβλέψεις.
Ενδεικτικά το μάθημα αυτό είναι κατάλληλο για σένα αν είσαι ανήσυχο πνεύμα και δεν σταματάς να μαθαίνεις και έχεις υπόβαθρο σε:

  • Τεχνολογικές επιστήμες π.χ. πληροφορική, μηχανικών
  • Θετικές επιστήμες π.χ. μαθηματικά, στατιστική, φυσική, χημεία, γεωλογία, μετεωρολογία
  • Oικονομικές επιστήμες
  • Eπιστήμες υγείας, π.χ. βιοπληροφορική, φαρμακευτική, ιατρική πληροφορική
  • Παρακολoυθείς

    Ένα εντατικό Bootcamp με τις πιο σημαντικές βασικές γνώσεις, εργαλεία και αυτοματισμούς για να εξελιχθείς στην ανάλυση δεδομένων και την μηχανική μάθηση. Με την ολοκλήρωση του προγράμματος θα αποκτήσεις τις αρχές για να πάρεις μέρος σε συναρπαστικούς διαγωνισμούς και να διεκδικήσεις περιζήτητες θέσεις εργασίας.
    H εκπαίδευση αποτελείται από 2 μέρη, το Data Science και το Machine Learning. Μπορείς να παρακολουθήσεις ολόκληρο το Bootcamp, που αποτελείται από τα 2 μέρη μαζί σε προνομιακή τιμή, ή όποιο από τα 2 μέρη επιθυμείς, ανάλογα με το υπόβαθρό σου.

    Επωφελείσαι

    Το βασικότερο είναι να εμβαθύνεις στις έννοιες και να επιλύεις προβλήματα βασιζόμενος στις ίδιες σου τις δυνάμεις. Μαθαίνεις στην πράξη και κατανοείς σε βάθος τι ακριβώς κάνεις και γιατί, συνδυάζοντας θεωρητική γνώση και πρακτική εξάσκηση. Βλέπεις συνολικά ποια είναι η εργαλειοθήκη για να εργαστείς στον τομέα, από πολύ καταρτισμένους και εξειδικευμένους εισηγητές.
    Ολοκληρώνοντας την εκπαίδευση σου θα σου δοθεί βεβαίωση παρακολούθησης στα αγγλικά για να την προσθέσεις στο βιογραφικό σου και το LinkedIn προφίλ σου.

    Part I - Data Science

    29-30/09 και 06-07/10

    • Σάββατο 29 Σεπτεμβρίου

      10:00-16:00
      Data Science και η γλώσσα προγραμματισμού Python

      History of Data Science
      Why Data Science is the sexiest job of 21th Century
      Introduction to the Data Science Curriculum
      The Data Scientist’s Toolbox
      Intro to Probability and Statistics for Data Science
      Intro to Python (Part 1: Basic, if, for, lists, functions)

    • Κυριακή 30 Σεπτεμβρίου

      10:00-16:00
      Οι βιβλιοθήκες της Python NumPy, Pandas, Seaborn, Matplotlib

      Intro to Git & Github
      Visualising Data. Which graph should I choose?
      Intro to Python (Part 2: NumPy, Pandas, Seaborn, Matplotlib)
      The Data Science Process in a project
      Intro to Machine Learning

    • Σάββατο 6 Οκτωβρίου

      10:00-16:00
      Hands-on παραδείγματα από το Kaggle και εφαρμογή στο AzureML

      Create a Kaggle profile
      Create an AzureML account
      Explore and Visualise the dataset
      Understanding the Dataset
      Create our first Model
      Feature Engineering
      Feature Selection
      First Challenge submission

    • Κυριακή 7 Οκτωβρίου

      10:00-16:00
      Η βιβλιοθήκη της Python ScikitLearn, ΑPI Calls και είσαγωγή στην SQL

      Intro to Python (Part 3: ScikitLearn, API)
      Intro to SQL
      Data Copyrights
      The future

    Part II - Machine Learning

    13-14/10 και 20-21/10

    • Σάββατο 13 Οκτωβρίου

      10:00-16:00
      Εισαγωγή στο Machine Learning, Classification

      Τι είναι το Machine Learning
      Διαφορά Supervised και Unsupervised Learning
      Python για Machine Learning (pandas, numpy, scipy, scikit-learn, matplotlib)
      Τι είναι το Classification - Δένδρα Απόφασης - Προβλήματα Κατηγορικής Φύσης
      Πιθανοτικοί αλγόριθμοι - Naïve Bayes
      Support Vector Machines - Προβλήματα Ταξινόμησης- Overfitting, cross-validation

    • Κυριακή 14 Οκτωβρίου

      10:00-16:00
      Regression, Preprocessing and Clustering

      Εισαγωγή στο Regression
      Instance-based Αλγόριθμοι - kNN - Classification και Regression
      Linear Regression - Polynomial Regression
      Preprocessing
      Feature Selection
      Feature Extraction - Εισαγωγή στο Principal Component Analysis
      Εισαγωγή στο Clustering
      Centroid-based αλγόριθμοι - k-Means - Μετρικές Αξιολόγησης
      Connectivity-based Αλγόριθμοι - Hierarchical Clustering
      Εφαρμογές και Σύγκριση Αλγορίθμων

    • Σάββατο 20 Οκτωβρίου

      10:00-16:00
      Deep Learning με Python Keras - Εφαρμογές Αναγνώρισης Εικόνας

      Εισαγωγή στο Deep Learning - Υπολογιστική Νοημοσύνη και Νευρωνικά Δίκτυα
      Under the Hood (TensorFlow, Theano, CNTK)
      Deep Learning σε Python Keras
      Αναγνώριση εικόνας -Convolutional Neural Networks - Παράδειγμα (Cats vs Dogs) - Advanced Εφαρμογή (multi-class)

    • Κυριακή 21 Οκτωβρίου

      10:00-16:00
      Εφαρμογές Επεξεργασίας Κειμένου, Generative Models, Reinforcement Learning Games

      Επεξεργασία κειμένου
      Εξαγωγή σημασιολογίας
      Generative Μοντέλα - Neural Doodle - Neural style transfer
      AI game playing - Deep Reinforcement Learning

     

    Part IΙ - Machine Learning

    Κλείσε την θέση σου εδώ

    Οι εισηγητές

    Speaker

    Τάσος
    Βεντούρης

    Data Scientist

    Tasos Ventouris works as a Data Scientist at Hattrick Ltd focused on data analytics and game design. He is a passionate user of Stack Exchange, where he gives answers about Open Data, Data Science and Programming. One of the first, active members of Open Knowledge Greece and also member of Open Knowledge International. He contributed on the Greek translation of “Data Journalism Handbook” and “Data Science Handbook”. During that period, he founded Stackprime to design and develop complex web applications and analyse data. He graduated from the Mathematics department of Aristotle University of Thessaloniki on 2012 and from the Masters Degree of Web Science on 2014 with distinction.

    Speaker

    Θεμιστοκλής Διαμαντόπουλος

    Researcher on Data Mining and Software Engineering

    Themistoklis Diamantopoulos works as a researcher on Data Mining and Software Engineering. He has a Diploma and a PhD in Electrical and Computer Engineering from the Aristotle University of Thessaloniki and an MSc in Computer Science from the University of Edinburgh. He has worked as a research associate in the Informatics and Telematics Institute (ITI) of Centre for Research and Technology - Hellas (CERTH) and currently works at the Intelligent Systems and Software Engineering Labgroup (ISSEL). His research interests include the areas of Data Mining, Software Engineering, Machine Learning, and Multi-Agent Systems. He has participated and still participates in multiple EU-funded projects (eCOMPASS, S-CASE, SEAF) both as a researcher and as an active software engineer, while he also holds the position of software reusability expert in the newly founded company Cyclopt, which aims at providing innovative solutions in the area of software quality as-a-service. Personal website: https://thdiaman.github.io/

    Χώρος

    coho - the coworking home

    Στρ. Ναπ. Ζέρβα 10
    54640 Θεσσαλονίκη
    περιοχή ΕΤ3, στάση “Ευζώνων”

    Γράψου στο newsletter μας για να πάρεις 15% έκπτωση στο Data Science and Machine Learning Bootcamp.