Data science practitioners kurso

Panimula

Ang agham ng data ay ang pagsasanay ng pagkuha ng kaalaman mula sa napakalaking halaga ng data, gamit ang mga pamamaraan tulad ng mga istatistika, pag aaral ng makina, pagmimina ng data, at predictive analytics.

IBM SkillsBuild para sa Academia

Pangkalahatang ideya SA DA Practitioner

Hinahamon ka ng kurso na ito na kumuha sa iba't ibang mga tungkulin na kasangkot sa isang koponan ng agham ng data, paglutas ng mga senaryo sa end to end na tunay na mundo sa iba't ibang mga industriya.

Mga Layunin

Mga practitioner ng agham ng data

Gumamit ng mga advanced na pamamaraan at tool sa agham ng Data, leveraging statistical sciences, mga teknolohiya sa pag aaral ng machine at mga dataset na partikular sa industriya, upang ipatupad ang mga natatanging modelo ng data na maaaring malutas ang mga mapaghamong problema sa lahat ng mga industriya.

Mga layunin sa pag aaral:

  • Unawain ang ebolusyon at kaugnayan ng Data science sa mundo ngayon
  • Galugarin ang end to end Data industriya ng paggamit ng mga kaso ng agham gamit ang lifecycle ng data analytics
  • Unawain ang siyentipikong pamamaraan na ginagamit sa mga proyekto, at ang mga pangunahing tungkulin ng koponan ng Data Science
  • Kumuha ng teknikal na kadalubhasaan gamit ang mga sikat na open source na balangkas ng Data Science kabilang ang mga notebook ng Jupyter at Python
  • Makakuha ng competitive edge gamit ang low-code cloud-based platform para sa Data Science—IBM Watson Studio
  • Unawain ang data engineering at mga kasanayan sa pagmomodelo ng data gamit ang pag aaral ng machine
  • Galugarin ang Data science industry case studies: transportasyon, automotive, human resources, aerospace, banking, at healthcare
  • Makaranas ng teamwork at agile industry practices gamit ang pag iisip ng disenyo
  • Makibahagi sa mga sitwasyong batay sa hamon para magmungkahi ng mga solusyon sa totoong mundo.
Pangkalahatang ideya SA DA Practitioner Layunin Artikulo

Ang agham ng data ay nag rebolusyon sa paraan ng mga organisasyon na malutas ang mga problema at makakuha ng mapagkumpitensya na kalamangan.

Ano ang Data science

Sa domain ng Data Science, ang paglutas ng mga problema at pagsagot sa mga tanong sa pamamagitan ng pagsusuri ng data ay karaniwang kasanayan. Kadalasan, ang mga siyentipiko ng data ay bumubuo ng isang modelo upang mahulaan ang mga kinalabasan o matuklasan ang mga nakapailalim na pattern, na may layuning makakuha ng mas mahusay na mga pananaw.

Maaaring isama ng mga organisasyon ang mga pananaw na ito upang kumilos at mapabuti ang mga kinalabasan sa hinaharap. Mayroong maraming mga mabilis na umuunlad na teknolohiya upang makatulong na suriin ang data at bumuo ng mga modelo. Sa isang kahanga-hangang maikling panahon, nagkaroon ng mabilis na pag-unlad mula sa mga desktop hanggang sa pag-host ng malalaking parallel warehouse na may malaking dami ng data; Sa ganitong paraan, mayroong isang palpable transformation mula sa mga pag andar ng in database ng analytics sa mga relational database sa mga hindi nakabalangkas na malalaking tool ng data.

Ang analytics sa hindi nakabalangkas o semi nakabalangkas na data ay nagiging lalong mahalaga upang isama ang damdamin at iba pang kapaki pakinabang na impormasyon na nakasulat sa likas na wika sa mga modelo ng hula; Ito ay madalas na humahantong sa makabuluhang pagpapabuti sa kalidad ng modelo at katumpakan.

Ang mga umuusbong na diskarte sa analytics ay naghahangad na i automate ang mga hakbang sa pagbuo ng modelo at aplikasyon, na ginagawang teknolohiya ng pag aaral ng machine (ML) isang kinakailangang ebolusyon patungo sa modernong agham ng Data.

Ang matagumpay na mga proyekto ng ML ay nangangailangan ng isang kumbinasyon ng mga algorithm + data + team, at isang napakalakas na imprastraktura ng computing.

Data Scientist ranggo sa tatlong nangungunang umuusbong na trabaho

Kahit na ang Data science bilang isang patlang ay umiiral sa loob ng ilang dekada, ang mabilis na paglago ng artipisyal na katalinuhan (AI) sa negosyo sa huling limang taon ay nakabuo ng isang demand para sa mga siyentipiko ng data na malayo na lumampas sa pagkakaroon ng mga sinanay na propesyonal. Ngayon, 63% ng mga ehekutibo ang nagbabanggit ng kakulangan ng talento bilang pangunahing hadlang sa pag aampon ng teknolohiya ng AI[1]. Ang agwat ng talento na ito ay isang pagkakataon para sa mga naghahangad na propesyonal at isang hamon para sa mga kumpanya na nagsusumikap para sa isang mapagkumpitensya na kalamangan sa merkado.

Ayon sa ulat ng LinkedIn Emerging Jobs[2], 2020, nanguna ang Data Scientist sa listahan ng 'Emerging Jobs' sa loob ng tatlong taon na tumatakbo at inaasahang lalago sa 37% taun taon. Ito ay isang espesyalidad na patuloy na lumalaki nang malaki sa lahat ng mga industriya, na iniugnay sa ebolusyon ng mga dating umiiral na trabaho at nadagdagan ang diin sa data sa akademikong pananaliksik.

Anong mga kasanayan ang kailangan ng isang Data scientist upang maging matagumpay

Ang Data Science ay isang cross disciplinary set ng mga kasanayan na matatagpuan sa intersection ng mga istatistika, programming ng computer, at kadalubhasaan sa domain. Binubuo ito ng tatlong magkakaiba at magkakapatong na lugar:

  • Mga istatistika, upang i modelo at ibuod ang mga hanay ng data
  • Computer science, upang magdisenyo at gumamit ng mga algorithm upang mag imbak, magproseso at mag visualize ng data
  • Domain kadalubhasaan, kinakailangan upang formulate ang tamang mga katanungan at upang ilagay ang mga sagot sa konteksto
  • Ang iba pang mga kasanayan na madalas na hindi nakuha ay:
    1. Pamumuno
    2. Pagtutulungan sa koponan
    3. Komunikasyon

[1] Francesco Brenna, Giorgio Danesi, Glenn Finch, Brian Goehring at Manish Goyal. "Paglipat patungo sa Enterprise grade AI: Paglutas ng mga puwang ng data at kasanayan upang mapagtanto ang halaga." IBM Institute para sa Halaga ng Negosyo, Setyembre 2018. https://ibm.com/downloads/cas/QQ5KZLEL

[2] "LinkedIn U.S. Emerging Jobs Report", LinkedIn, 2020. https://business.linkedin.com/content/dam/me/business/en-us/talent-solutions/emerging-jobs-report/Emerging_Jobs_Report_U.S._FINAL.pdf

Pag aaral ng kaso

Wunderman Thompson + IBM: Pag aangat ng Pag aaral ng Machine na may data at AI

Ang advertising giant, si Wunderman Thompson ay nakikibahagi sa IBM upang makatulong na magamit ang pag aaral ng makina para sa mas mahusay na pagtuklas ng mga pananaw ng tao – mga pananaw na tumutulong sa pagtaas ng ROI para sa kanilang mga kliyente. Sa tulong ng IBM Watson Studio at mga tool na bukas na mapagkukunan, ang kumpanya at ang mga kliyente nito ay gumugol ngayon ng mas maraming oras sa pagtuklas at paglikha ng hypothesis at mas kaunting oras sa pang araw araw na gawain.
Wunderman Thompson + IBM

Isang customized algorithm upang matukoy ang potensyal na pandaraya

Sa pamamagitan ng AI sa IBM Cloud driven na algorithm ng pagtuklas ng pandaraya, Thélem assurances, isang kumpanya ng seguro na nakabase sa France ay nakatuklas ng limang beses na mas potensyal na pandaraya. Nagresulta ito sa nabawasan na mga gastos, mas malaking kakayahang umangkop, at ang kakayahang mag preempt ng anumang posibleng pandaraya. ibm.com/case-studies/thelem-assurances-hybrid-cloud-services

Mga Kasangkapan

Ang kursong ito ay gumagamit ng mga sumusunod na tool:

  • AutoAI
  • IBM ulap
  • Pagpipino ng Data ng IBM
  • Imbakan ng IBM Object
  • Pag aaral ng IBM Watson Machine
  • IBM Watson Studio
  • IBM Watson Pagkilala sa Biswal
  • Jupyter Notebook
  • Matplotlib
  • Node.js
  • NumPy
  • Mga panda
  • PixieDust
  • Python
  • scikit-learn
  • XGBoost

Mga Kinakailangan

Mga kinakailangan ng instructor

Ang mga facilitator na naghahatid ng kursong ito ay kinuha ang kurso dati at matagumpay na nakapasa sa pagsusulit.

  • Avid speaker na may mahusay na kasanayan sa pagtatanghal
  • Mga kasanayan sa pamamahala ng grupo ng pedagohiya
  • Hikayatin ang kritikal na pag iisip at paggalugad ng domain
  • Karanasan sa paghawak ng mga set ng data at mga copyright ng IP

Mga kinakailangan ng mag aaral

Ang mga indibidwal na may aktibong interes sa pag aaplay para sa mga trabaho sa antas ng entry upang gumana sa mga larangan na may kaugnayan sa cybersecurity.

  • Pamilyar sa mga istatistika
  • Mga pangunahing kasanayan sa IT Literacy*

*Basic IT Literacy – Tumutukoy sa mga kasanayan na kinakailangan upang mapatakbo sa antas ng gumagamit ang isang graphical operating system environment tulad ng Microsoft Windows® o Linux Ubuntu®, pagsasagawa ng mga pangunahing operating command tulad ng paglulunsad ng isang application, pagkopya at pag paste ng impormasyon, paggamit ng mga menu, bintana at peripheral device tulad ng mouse at keyboard. Dagdag pa, ang mga gumagamit ay dapat na pamilyar sa mga browser ng internet, mga search engine, nabigasyon ng pahina, at mga form.

Digital kredensyal

Sertipiko ng Practitioner

Sertipiko ng Practitioner ng Data Science ng IBM

Sertipiko ng Practitioner ng Data Science ng IBM

Tingnan ang badge

Tungkol sa sertipiko na ito

Sa pamamagitan ng validated Data science instructor led training, ang credential earner na ito ay nakuha ang mga kasanayan at pag unawa sa mga konsepto at teknolohiya ng pundasyon ng agham ng data. Naipakita nila ang kahusayan at pag unawa sa mga teknikal na paksa at pag iisip ng disenyo ng Data Science. Ang kumita ay nakakuha ng kakayahang ilapat ang mga konsepto at teknolohiya ng Data Science na may naaangkop na mga tool sa open source na may kaugnayan sa real world Mga sitwasyon ng agham ng data, na angkop para sa mga layuning pang edukasyon.

Mga Kasanayan

Pakikipagtulungan, Komunikasyon, Paglilinis ng Data, Pagkolekta ng data, Engineering ng data, Mga operasyon ng data, Data Refinery, Data Science, Mga pundasyon ng agham ng data, Pamamaraan ng agham ng data, Paglalarawan ng Data, Pag aaway ng data, Deep learning, Pag iisip ng Disenyo, Empathy, Disenyo ng karanasan, IBM Cloud, IBM Watson, Ideation, Pag aaral ng makina, Matplotlib, Pag deploy ng modelo, Paglalarawan ng modelo, Pag unawa sa likas na wika, pandas, Personas, paglutas ng problema, Storyboarding, Teamwork, Mga kaso ng paggamit, Nakasentro sa gumagamit disenyo, User-sentrik, Karanasan ng gumagamit, User pananaliksik, UX, Visual na pagkilala, Watson pagtuklas, Watson Studio.

Mga Criteria

  • Kailangang dumalo sa isang pagsasanay sa isang institusyong pang edukasyon na nagpapatupad ng programa ng IBM Skills Academy.
  • Dapat ay nakumpleto ang pagsasanay ng mga practitioner ng Data science na pinangunahan ng instructor.
  • Dapat ay nakuha ang Badge ng Pag iisip ng Disenyo ng Disenyo ng Enterprise.
  • Kailangang pumasa sa Data science practitioners exam at satisfactorly kumpletuhin ang group exercise.

Sertipiko ng Tagapagturo

Tagapagturo ng Tagapagturo ng Tagapagturo ng Tagapagturo ng IBM Data Science Practitioner Badge

Sertipiko ng IBM Data Science Practitioner: Tagapagturo

Tingnan ang badge

Tungkol sa sertipiko na ito

Sa pamamagitan ng isang workshop na pinangunahan ng tagapagturo ng IBM, ang kredensyal na kumita na ito ay nakakuha ng mga kasanayan sa mga konsepto ng agham ng data, teknolohiya, at mga kaso ng paggamit. Nagpakita sila ng kahusayan sa mga paksang ito: Mga pundasyon ng agham ng data, pagtitipon ng data, Pag unawa sa Data, Pagmomodelo at Pag optimize ng Data, Pag iisip ng Disenyo para sa Data Science, at mga kaso ng paggamit ng industriya ng Data Science. Ang earner ay nagpapakita ng isang kapasidad upang ituro ang kurso ng agham ng data sa pamamagitan ng paglalapat ng mga kasanayan sa pedagogical upang himukin ang gawain ng grupo gamit ang mga sitwasyong batay sa hamon.

Mga Kasanayan

Tagapayo, Komunikasyon, Paglilinis ng Data, Pagkolekta ng Data, Data Engineering, Mga operasyon ng data, Data refinery, Data Science, Mga pundasyon ng agham ng data, Pamamaraan ng agham ng data, Visualization ng data, Pag aaway ng data, Deep learning, Pag iisip ng Disenyo, Empathy, Disenyo ng karanasan, IBM Cloud, IBM Watson, Ideation, Lecturer, Pag aaral ng makina, Matplotlib, Pag deploy ng modelo, Paglalarawan ng modelo, Pag unawa sa likas na wika, pandas, Personas, Paglutas ng problema, Storyboarding, Teamwork, Trainer, Mga kaso ng paggamit, Disenyo na nakasentro sa gumagamit, Sentriko ng gumagamit, karanasan ng gumagamit, pananaliksik ng gumagamit, UX, Visual na pagkilala, Watson discovery, Watson Studio.

Mga Criteria

  • Dapat ay isang itinalagang tagapagturo mula sa isang institusyong may mataas na edukasyon na may o nagpapatupad ng programa ng IBM Skills Academy.
  • Dapat ay nakumpleto ang IBM Data science practitioners – Instructors workshop.
  • Dapat ay nakuha ang Badge ng Pag iisip ng Disenyo ng Disenyo ng Enterprise.
  • Dapat matupad ang mga kinakailangan ng IBM Skills Academy pagtuturo validation proseso.