Course detail
Data Science with ipython and jupyter
CEITEC VUT-DS119Acad. year: 2020/2021
V rámci tohoto kurzu budou probrány části statistiky, analýzy dat a metod strojového učení. Hlavní důraz bude kladen na implementaci těchto metod, vizualizaci a interpretaci dosažených výsledků.
Language of instruction
English
Mode of study
Not applicable.
Guarantor
Learning outcomes of the course unit
Not applicable.
Prerequisites
Základní znalost programování
Co-requisites
Not applicable.
Planned learning activities and teaching methods
Not applicable.
Assesment methods and criteria linked to learning outcomes
60% dokončení malého datového vědeckého projektu, 40% zkouška
Course curriculum
základy pythonu, zaměření na knihovny numpy, pandas a tensorflow
-základy rozhraní ipython a jupyter
-shromažďování dat z různých zdrojů, experimentů, simulací nebo webových stránek
-přizpůsobování nahromaděných dat potřebám plánované analýzy
-provedení požadované statistické analýze údajů
-odvozování závěrů a vytváření předpovědí
-základy rozhraní ipython a jupyter
-shromažďování dat z různých zdrojů, experimentů, simulací nebo webových stránek
-přizpůsobování nahromaděných dat potřebám plánované analýzy
-provedení požadované statistické analýze údajů
-odvozování závěrů a vytváření předpovědí
Work placements
Not applicable.
Aims
Not applicable.
Specification of controlled education, way of implementation and compensation for absences
Not applicable.
Recommended optional programme components
Not applicable.
Prerequisites and corequisites
Not applicable.
Basic literature
Deep Learning, Ian Goodfellow and Yoshua Bengio and Aaron Courville, MIT Press, 2016 (EN)
pandas documentation: https://pandas.pydata.org/pandas-docs/stable/ (EN)
tensorflow documentation: https://www.tensorflow.org/api_doc (EN)
pandas documentation: https://pandas.pydata.org/pandas-docs/stable/ (EN)
tensorflow documentation: https://www.tensorflow.org/api_doc (EN)
Recommended reading
Not applicable.