Grundläggande datavetenskap (Teknisk) - en online kurs

Southampton Data Science Academy

Programbeskrivning

Läs den officiella beskrivningen

Grundläggande datavetenskap (Teknisk) - en online kurs

Southampton Data Science Academy

Utvecklad för att ge grunden till en karriär inom datavetenskap, ger den sex veckors kursen nybörjare med tekniska färdigheter och den teoretiska kunskap som behövs för att tillämpa de kraftfulla insikterna i datavetenskap till deras arbete.

Översikt

Kursen, uteslutande designad av det världsledande datavetenskapsteamet vid University of Southampton, ger en praktisk inriktning på att lära sig datakunskaper. Genom ett antal interaktiva online-övningar kommer du att kunna prova många av de begrepp och tekniker som studerats i det lärda materialet.

Vi använder Python för att genomföra tekniska aspekter av kursen och vi rekommenderar starkt alla sökande har viss erfarenhet av Python eller liknande språk.

Strukturera

Kursen lärs under sex veckor.

Vecka 1: chansen att träffa din handledare och de andra deltagarna, bekanta sig med kursinnehållet för de närmaste sex veckorna och ta reda på vilket stöd vi erbjuder. Du kommer att få "praktisk erfarenhet" av Jupyter, den webbaserade miljön som används för alla dina kursövningar och uppdrag. För de som inte är bekanta med ett programmeringsspråk innehåller denna vecka också en Python Primer-aktivitet.

Vecka 2: Tid för att lära sig grundläggande terminologi och processer inom datavetenskap. Du kommer att introduceras till det teknologilandskap som har hjälpt till att bränna dataexplosionen, liksom verktygen som används av datavetenskapare för att låsa upp värdet döljet bland stora mängder data. Vi tittar också på Python och dess användning i datavetenskap.

Vecka 3: ger en praktisk erfarenhet av datavetenskap. Med fokus på insamling, lagring och hantering av data kommer du att lära dig hur olika datakällor kan kombineras för att öka potentiella insikter.

Vecka 4: hjälper dig att förstå hur data analyseras. Vi kommer att täcka en rad tekniker som vanligtvis används av datavetenskapsteam, från maskininlärning till statistik. Med Python kommer du att använda dessa analytiska tekniker till en dataset i realtid.

Vecka 5: Lär dig hur du använder olika datavisualiseringstekniker för att rapportera resultaten från datavetenskapsarbetet. Du kommer att upptäcka olika sätt att visa specifika typer av data, för att förbättra effekten av dina rapporter genom att markera ett nyckelfel.

Vecka 6: Titta på datavetenskapens framtid, med fokus på att stödja dig när dina uppdrag har slutförts.



Förutsättningar: Du behöver en anständig förståelse för programmering, och vi rekommenderar också att du har erfarenhet av antingen Python eller ett liknande språk.

Målgrupp: Alla som är intresserade av en karriär inom datavetenskap, eller att lära sig att tillämpa datateknikens transformativa tekniker till deras nuvarande affärsutmaningar.

Läromaterial: Videotutorials, onlineövningar, presentationer, ytterligare läsning.

Bedömning och feedback: Du förväntas slutföra tre delar av kursen. Vägledande och formativ feedback kommer att ges av experthandledare under hela kursen.

Praktisk erfarenhet och uppdrag: Varje vecka innehåller en blandning av undervisat och självstudierat material med praktiska övningar och aktiviteter på nätet.

I vecka 1 finns en valfri, ograderad introduktion / uppfriskning på Python, inklusive online-övningar för att du ska arbeta igenom i din egen tid.

Det finns ytterligare ungraded Python övningar i vecka 2. Dessa är utformade för att hjälpa dig med dina uppdrag och vi uppmuntrar alla att slutföra dem.

Veckor 3, 4 och 5 har alla ungraded online-övningar och en relaterad betygsuppgift.

Mål och lärande

Kursen ger kunskapen och kompetensen att bli en skicklig datavetenskapare.

Efter avslutad kurs kommer du att få ett certifikat för slutförandet och en graderad transkript. Du kommer att kunna:

  • Förstå nyckelbegreppen inom datavetenskap, bland annat verktygslådan som används av datavetenskapare och applikationer i verkligheten.
  • Förklara hur datavetenskap samlar, hanterar och lagrar data.
  • Använd MongoDB för att implementera datainsamlings- och hanteringsskript.
  • Demonstrera en förståelse för maskininlärningskoncept och statistik som är avgörande för datavetenskap.
  • Skapa Python-kod för att statistiskt analysera dataset.
  • Använd datavisualiseringar för att kommunicera historier från data och kritiskt utvärdera deras design.
  • Använd Python och Bokeh för att planera och generera visualiseringar från data.

Teknikstack

  • Visualisering: Bokeh (Python)
  • Hantering / Fråga: MongoDB (med Python)
  • Bas: Python
  • Statistik / Analys: NumPy / ScyPy / Pandas

Kursplan

Vecka 1: Välkomst- och kursinformation

ämnen

  • Välkommen och introduktion
  • Lärandesultat av veckan
  • Vilken datavetenskap är och varför det är viktigt
  • Kursplan och lärandemål
  • Använda diskussionsforum
  • Introducera dig själv
  • Hjälp och handledning stöd
  • Kursuppgifter
  • Jupyter-familiariseringsaktivitet
  • Python Primer
  • Terminologiens ordlista

Vecka 2: Introduktion till grundläggande begrepp och teknik

ämnen

  • Introduktion
  • Lärandesultat av veckan
  • Datavetenskap i ett nötskal
  • Terminologi
  • Datavetenskapsprocessen
  • En datavetenskapstillsats
  • Typer av data
  • Exempel applikationer
  • Vidare läsning
  • Sammanfattning

Vecka 3: Datainsamling och förvaltning

ämnen

  • Introduktion
  • Lärandesultat av veckan
  • Källor av data
  • Datainsamling och API: er
  • Utforska och fixa data
  • Datalagring och hantering
  • Använda flera datakällor
  • Vidare läsning
  • Sammanfattning

Vecka 4: Dataanalys

ämnen

  • Introduktion
  • Lärandesultat av veckan
  • Terminologi och begrepp
  • Introduktion till statistik
  • Typ av statistik och introduktion
  • Centrala tendenser och fördelningar
  • Variation
  • Distributionsegenskaper och aritmetik
  • Prover / CLT
  • Grundläggande maskininlärningsalgoritmer
  • Linjär regression
  • SVM
  • Naive Bayes
  • Vidare läsning
  • Sammanfattning

Vecka 5: Datavisualisering

ämnen

  • Introduktion
  • Lärandesultat av veckan
  • Typer av datavisualisering
  • Utforskande
  • Förklarande
  • Data för visualisering
  • Datatyper
  • Datakodningar
  • Retinala variabler
  • Kartlägga variabler till kodningar
  • Visuella kodningar
  • Teknik för visualisering
  • Bokeh (Python)
  • Vidare läsning
  • Sammanfattning

Vecka 6: Framtidens datavetenskap

ämnen

  • Introduktion
  • Lärandesultat för veckan
  • Datavetenskapens framtid
Denna skola erbjuder program i:
  • Engelska


Senast uppdaterad January 21, 2018
Varaktighet & Pris
Denna kurs är Online
Start Date
Startdatum
Mar. 2019
Apr. 2019
Duration
Varaktighet
60 Öppettider
Deltid
Price
Pris
1,500 GBP
Information
Deadline
Locations
Storbritannien - Cambridge, England
Startdatum : Mar. 2019
Sista anmälningsdag Kontakt Skolan
Slutdatum Kontakt Skolan
Startdatum : Apr. 2019
Sista anmälningsdag Kontakt Skolan
Slutdatum Kontakt Skolan
Startdatum : Maj 2019
Sista anmälningsdag Kontakt Skolan
Slutdatum Kontakt Skolan
Startdatum : Juni 2019
Sista anmälningsdag Kontakt Skolan
Slutdatum Kontakt Skolan
Startdatum : Juli 2019
Sista anmälningsdag Kontakt Skolan
Slutdatum Kontakt Skolan
Startdatum : Aug. 2019
Sista anmälningsdag Kontakt Skolan
Slutdatum Kontakt Skolan
Dates
Mar. 2019
Storbritannien - Cambridge, England
Sista anmälningsdag Kontakt Skolan
Slutdatum Kontakt Skolan
Apr. 2019
Storbritannien - Cambridge, England
Sista anmälningsdag Kontakt Skolan
Slutdatum Kontakt Skolan
Maj 2019
Storbritannien - Cambridge, England
Sista anmälningsdag Kontakt Skolan
Slutdatum Kontakt Skolan
Juni 2019
Storbritannien - Cambridge, England
Sista anmälningsdag Kontakt Skolan
Slutdatum Kontakt Skolan
Juli 2019
Storbritannien - Cambridge, England
Sista anmälningsdag Kontakt Skolan
Slutdatum Kontakt Skolan
Aug. 2019
Storbritannien - Cambridge, England
Sista anmälningsdag Kontakt Skolan
Slutdatum Kontakt Skolan