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.
Some upcoming courses will start remotely in Amsterdam. After you complete your application, the admission manager will be in touch shortly to give you all the necessary information.
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, come 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 come formulare una buona domanda e come formulare una risposta costruendo la giusta SQL query. Questo modulo affronterà l'architettura schema e poi si tufferà nella manipolazione avanzata di SELECT per estrarre informazioni utili da un database stand-alone o usando un software client SQL come DBeaver.
Rendi la tua analisi dati più visiva e comprensibile includendo visualizzazioni dati nel tuo Notebook. Impara come pianificare data frame usando librerie di Python come matplotlib e seaborn e trasforma i tuoi dati in informazioni utili.
Impara la matematica alla base di tutte le librerie e modelli usati nel bootcamp. Prendi confidenza con i concetti base di statistica & probabilità (mean, varianza, variabile casuale, Teorema di Bayes, ecc.) e con computazioni a matrice, che stanno alla base delle operazioni numeriche di librerie come Pandas e Numpy.
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 le fasi di training e testing per assicurarti che il tuo modello possa essere generalizzato per dati non visti e lanciato in produzione con precisione prevedibile. Impara come prevenire l'overfitting usando metodi di regolarizzazione e come scegliere la giusta funzione obiettivo per aumentare la precisione del tuo modello.
Stima la performance del tuo modello definendo cosa ottimizzare e i giusti indicatori di errori per valutare l'impatto del tuo business. Migliora la performance del tuo modello con metodi di validazione come convalida incrociata o hyperparameter tuning. Infine, scopri un potente metodo di apprendimento suprevisionato 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.
Passa da Jupyter Notebook a un code editor e impara come assemblare un progetto di machine learning nel modo giusto così da iterare velocemente e senza indugi. Impara come convertire un modello di machine learning in un modello con una pipeline solida e modulare con skleran-pipeline usando encoder e transformer.
Creare un modello di machine learning dall'inizio alla fine richiede una gran dose di preparazione, sperimentazione, iterazione e messa a punto. Ti insegneremo come fare il tuo feature engineering e hyperparameter tuning per creare il miglior modello possibile. Per fare ciò, faremo uso di una libreria chiamata MLflow.
Infine, ti mostreremo come pubblicare il tuo modello in rete. Usando Google Cloud AI Platform e Airflow, sarai in grado di fare il training e packaging del tuo modello, per poi renderlo disponibile a tutto il mondo.
Prendi confidenza col gestire variabili ad alta dimensione e a trasformarle in input gestibili. Impara le classiche tecniche di preprocessing per immagini come normalizzazione, standardizzazione e sbiancamento. Applica il giusto tipo di encoding per preparare i tuoi dati di testo per diverse task NLP (Natural Language Processing).
Apprendi come funziona l'architettura dei network neurali (neuroni, layer, stack) e i loro parametri (activation function, loss function, optimizer). Diventa autonomo al punto da costruire i tuoi network come i Convolutional Neural Networks (per le immagini), i Recurrent Neural Network (per le serie storiche) e i network di Natural Language Processing (per i testi).
Scopri una nuova libreria chiamatakeras, ovvero un wrapper developer-friendly su di tensorflow, una libreria di Deep Learning creata da Google. Ti insegneremo le tecniche di base per costruire il tuo primo modello deep learning con Keras.
Approfondisci la computer vision con network di costruzione Deep Learning per rilevamento e riconoscimento di oggetti. Implementa tecniche avanzate come l'aumento dati per incrementare il tuo set di allenamento computando perturbazioni di immagini (tagli random, cambi nell'intensità, ecc) così da migliorare la generalizzazione del tuo modello.
Ora risolviamo un problema reale: "in quanto data scientist che lavora per una delle più grandi aziende di e-commerce, come trovo consigli interessanti su come migliorare la performance del nostro sito?". Imparerai come strutturare una repository di Python con la programmazione orientata agli oggetti per collaborare con efficacia, come approcciarsi alla fase di preparazione dati per un dataset enorme, come trovare e interpretare risultati statistici di rilievo prima di fare prediction avanzate, e come spiegare i tuoi risultati a un pubblico senza padronanza del linguaggio tecnico grazie a un'analisi dei costi-benefici. Lavorerai in un gruppo di 3-4 persone per condividere i tuoi progressi, oltre a presentare e comparare i tuoi risultati."
Dopo questo primo progetto di e-commerce di una settimana, passerai le due settimane successive su di un progetto di gruppo su un interessante problema di data science che vuoi risolvere! Userai un mix di tuoi dataset (se ne hai dalla tua azienda/ organizzazione no-profit) e open-data repository (Iniziative del governo, Kaggle, ecc.). Sarà un ottimo modo di far pratica di tutti gli strumenti, tecniche e metodi studiati nel Corso di Data Science e ti renderai conto di quanto sei diventato autonomo.
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 7016 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 38 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 7016 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 6 studenti
Ha assunto 1 studenti
Ha assunto 3 studenti
Ha assunto 9 studenti
Ha assunto 4 studenti
Ha assunto 1 studenti
