In 9 settimane intensive, impara il Data Science da Python a Machine Learning avanzato, e ottieni tutte le competenze necessarie per unirti a un team di data science e dare una svolta alla tua carriera.
Al momento non abbiamo alcuna batch in programma a Amsterdam. Prova in un'altra città!
Il nostro corso di Data Science full-time ti fornisce le competenze necessarie ad avviare una carriera in un team di data science in sole 9 settimane. Da Pandas al Deep Learning, finirai il corso sapendo come fare data cleaning, esplorare e trasformare dati in informazioni utili e implementare modelli di Machine Learning dall'inizio alla fine in un product environment, lavorando in team con i migliori strumenti a disposizione.
Il nostro corso di web development è strutturato in modo da permetterti di imparare a programmare passo per passo, dai data toolkit di base su Python e Matematica fino al completo ciclo di implementazione e lancio di algoritmi Machine Learning.
Il nostro corso di Data Science è molto intenso. Per risparmiare tempo, i nostri studenti devono completare un corso preparativo online prima di iniziare il bootcamp. Questo pre-corso dura 40 ore e copre le basi di Python, il linguaggio principale usato nel corso, e alcune nozioni di matematica usate ogni giorno dai data scientist.
Impara a programmare in Python, a lavorare con Jupyter Notebook e a usare librerie di Python come Pandas e NumPy per esplorare e analizzare grandi dataset. Raccogli dati da diverse fonti, come file CSV, query SQL su database relazionali, Google Big Query, le API e Web scraping.
Impara a formulare una buona domanda e a come darle una risposta costruendo la giusta query SQL. Questo modulo affronterà l'architettura dello schema e poi si tufferà nella manipolazione avanzata di SELECT per estrarre informazioni utili da un database indipendente o usando un software client SQL come DBeaver.
Rendi le tue analisi dati più visiamente accattivanti e comprensibili includendo visualizzazioni dati nel tuo Notebook. Impara come pianificare i tuoi data frame usando librerie di Python come matplotlib e seaborn e trasforma i tuoi dati in indicazioni operative.
Impara la matematica alla base di tutte le librerie e i modelli utilizzati nel bootcamp. Familiarizza con i concetti base di statistica e probabilità (media, varianza, variabile casuale, Teorema di Bayes, ecc.) e le matrici, nozioni chiave delle operazioni numeriche di librerie quali Pandas e Numpy.
Imparerai come strutturare una repository di Python con la programmazione orientata agli oggetti per far pulizia del codice e renderlo riutilizzabile, come affrontare la fase di preparazione dati di un ampio dataset, e come trovare e interpretare risultati statistici rilevanti basandoti su modelli di regressione multivariata
I Data Analyst devono essere in grado di condividere le loro scoperte con persone esterne al settore: imparerai come fare una presentazione d'impatto illustrando i tuoi approfondimenti tecnici trasformandoli in decisioni professionali con analisi costi-benefici. Sarai in grado di comunicare i tuoi progressi, oltre che a presentare e comparare i tuoi risultati con quelli dei tuoi colleghi.
Impara a esplorare, bonificare e preparare il tuo dataset con tecniche di preprocessing come la vettorizzazione. Familiarizza con i classici modelli di apprendimento suprevisionato - regressioni lineari e logistiche. Impara a risolvere task di predizione e classificazione con la libreria di Python scikit-learn usando algoritmi di apprendimento automatico come KNN (k-nearest neighbors).
Implementa fasi di training e testing per assicurarti che il tuo modello possa essere generalizzato a dati nascosti e lanciato in produzione con accuratezza prevedibile. Impara come prevenire l'overfitting usando metodi di regolarizzazione e come scegliere la giusta loss function per migliorare l'accuratezza del tuo modello.
Analizza le prestazioni del tuo modello definendo cosa ottimizzare e i giusti tassi di errore, così da valutare l'impatto aziendale. Migliora la performance del tuo modello con metodi di convalida come cross-validation e ottimizzazione degli iperparametri. Infine, scopri un efficace modello di apprendimento supervisionato chiamato SVM (Support Vector Machines).
Passa all'apprendimento non supervisionato e implementa metodi come PCA per la riduzione di dimensionalità o clustering per scoprire gruppi in un data set. Completa la tua toolbelt con metodi ensemble che combinano altri modelli per aumentare la performance, come Random Forest o Gradient Boosting.
Prendi confidenza nel gestire variabili multidimensionali e a trasformarle in input gestibili. Impara classiche tecniche di preprocessing per immagini, come normalizzazione, standardizzazione e whitening. Applica il giusto tipo di encoding per preparare i tuoi dati di testo per attvitià di Natural Language Processing.
Comprendi l'architettura delle reti neurali (neuroni, layer, stack) e i loro parametri (funzioni di attivazione, funzioni obiettivo, ottimizzatori). Diventa autonomo, così da costruire le tue reti come le Convolutional Neural Network (per immagini), Recurrent Neural Network (per serie storica) e Natural Language Processing Network (per il testo).
Scopri una nuova libreria chiamata keras, ovvero un wrapper studiato apposta per i developer su tensorflow, una libreria di Deep Learning creata da Google. Ti insegneremo le tecniche fondamentali per costruire il tuo primo modello di deep learning con Keras.
Approfondisci la visione artificiale con Deep Learning realizzando network per rilevamento e riconoscimento di oggetti. Implementa tecniche avanzate come l'aumento dati per incrementare il tuo set di allenamento computando perturbazioni su immagini (tagli random, cambi nell'intensità, ecc) così da migliorare la generalizzazione del tuo modello.
Spostati da Jupyter Notebook a un code editor e impara come creare un progetto machine learning nel modo giusto, così da iterare velocemente e in modo sicuro. Impara come convertire un modello di machine learning in un modello con una pipeline solida emodulare con sklearn-pipeline usando encoder e transformer.
Costruire un modello di machine learning da zero richiede molta preparazione dati, sperimentazione, iterazioni e ottimizzazione. Ti insegneremo come fare progettazione delle caratteristiche e a ottimizzare gli iperparametri, così da costruire il miglior modello possibile. Per ottenere ciò, faremo uso di una libreria chiamata MLflow.
Infine, ti insegneremo come eseguire il deployment del tuo codice e modello in produzione. Usando Google Cloud AI Platform, sarai in grado di fare un training del tuo modello in scala, e a renderlo disponibile al resto del mondo. Come ciliegina sulla torta, userai un ambiente Docker per eseguire il deployment del tuo RESTful Flask API che potrà essere integrato con qualsiasi interfaccia front-end.
Trascorrerai le ultime due settimane lavorando in gruppo su un problema di data science che vuoi risolvere! Il tuo team imparerà a collaborare in maniera efficace su progetti di data science veri e propri tramite una repository comune di Python e Git Flow. Incorporerai un mix dei tuoi dataset (se ne hai a disposizione dalla tua azienda / organizzazione no-profit) e repository open-data (iniziative governative, Kaggle, ecc.). Sarà un'ottima opportunità per mettere in pratica tutti gli strumenti, tecniche e metodologie imparate durante il corso di Data Science e ti renderai conto dell'autonomia che hai ottenuto.
Dalle lezioni al mattino fino ai workshop serali, le nostre giornate sono pienissime.
Prendi un caffè e inizia ogni mattina con una lezione coinvolgente e interattiva, prima di mettere in pratica ciò che hai imparato.
Lavora insieme ai tuoi compagni ed esercitati con la programmazione con l'aiuto dei docenti.
Imparare a programmare è molto intenso, quindi è importante fare una pausa e rilassarsi durante le nostre lezioni di yoga.
Riguarda le challenges del giorno e scopri le prossime lezioni durante le sessioni di live code.
Lasciati ispirare e ricevi preziosi consigli dagli imprenditori di successo nei nostri incontri e workshop esclusivi.
Il nostro corso di Data Science è solo l'inizio del tuo cammino. Una volta diplomato, farai parte di una community tech globale e avrai accesso alla nostra piattaforma online per continuare a imparare e a crescere.
Ottieni consigli da data scientist & data analyst professionisti e opportunità di lavoro esclusive da imprenditori e sviluppatori.
Ottieni accesso alla nostra piattaforma di apprendimento online quando vuoi dopo il corso: troverai tutte le lezioni di data science, gli screencast, le challenge e le flashcard.
Beneficia della nostra community globale di 9281 ex studenti che lavorano nel campo del data science, o come imprenditori, sviluppatori e product manager in tutto il mondo.
I nostri corsi hanno luogo in 39 città diverse in tutto il mondo: ovunque tu vada puoi contare sulla community di Le Wagon!
Una volta finito il corso, potrai beneficiare dei nostri servizi per la carriera. Ti metteremo in contatto con i migliori recruiter e gli ex studenti che lavorano nel settore.
Ottieni accesso a una guida completa su come dare il via alla tua carriera Data Science dopo il corso: migliora il tuo portfolio, trova il lavoro dei tuoi sogni, fai affidamento sulla nostra community di 9281 studenti.
Partecipa ai nostri eventi di networking e fiere del lavoro, incontra le migliori aziende tech e ricevi offerte di lavoro da recruiter in cerca di talenti in ruoli relativi al data science.
I nostri studenti del corso di data science amano condividere la loro esperienza dopo essersi diplomati: spiegano come hanno trovato lavoro come Data Scientist, Data Analyst o Data Engineer.
I nostri team locali conoscono i loro studenti e partner d'assunzione, cosa stanno facendo e cosa cercano. Ti presentano le persone adatte per raggiungere il tuo obiettivo.
Le migliori aziende collaborano con Le Wagon e assumono i nostri studenti come Data Scientist, Data Analyst o Data Engineer.
Ha assunto 1 studenti
Ha assunto 9 studenti
Ha assunto 5 studenti
Ha assunto 6 studenti
Ha assunto 3 studenti
Ha assunto 1 studenti
