我们即将在％{city}开设的一些课程可以远程加入，完成申请后，招生经理将与你进行联系，为你提供所有必要的信息。
我们的全日制数据科学课程可为你在短短9周内提供在数据科学团队中工作所需的技能。从Pandas到深度学习，完成课程学习的你将了解如何使用一流的工具与团队合作，在生产环境中探索、清理数据并将数据转换为可行的见解，如何运用实施机器学习模型工具。
我们的课程设计旨在让你从Python和Mathematics中的基本数据工具包开始，到机器学习算法的完整实现和部署周期，循序渐进地学习数据科学。
数据科学课程强度很大，为了循序渐进，我们的学生必须在开始训练营之前完成在线准备工作。这项准备工作大约需要40个小时，涉及Python的基础知识，课程的必备语言以及数据科学家每天都在使用的一些数学知识。
学习使用Python编程，Jupyter Notebook，以及如何使用功能强大的Python库（例如Pandas和NumPy）来探索和分析大数据集。从各种来源收集数据，包括CSV文件，关系数据库上的SQL查询，Google Big Query，API和Web抓取。
学习如何提出正确的问题以及如何通过构建正确的SQL查询来回答问题。该模块将介绍模式架构，然后深入研究SELECT的高级操作，以从独立数据库或使用SQL客户端软件（如DBeaver）中提取有用的信息。
通过在笔记本中进行数据可视化使数据分析更加直观和易于理解。了解如何使用Python库（例如 matplotlib 和 seaborn ）并将你的数据转化为可行的见解。
了解训练营中使用的所有库和模型背后的基础数学。在诸如Pandas和Numpy之类的数字运算核心中熟悉统计和概率（均值、方差、随机变量、贝叶斯定理等）的基本概念以及矩阵计算。
你将学习如何使用面向对象的程序来构建Python存储库以清理代码并使代码可重复使用，并在庞大数据集的数据准备阶段中生存下来，以及如何基于多元回归模型查找和解释有意义的统计结果。
数据分析师旨在将其发现传达给非技术受众：你将学习如何通过解释技术见解来产生和创造影响，并使用成本或收益分析将其转变为业务决策。你将能够共享进度，向团队成员展示及对比结果。
了解如何通过预处理技术（例如矢量化）来探索、清理和准备数据集。熟悉监督学习的经典模型-线性回归和逻辑回归。通过Python库scikit-learn了解如何使用学习算法（例如KNN（k最近邻居））解决预测和分类任务。
实施培训和测试阶段以确保你的模型可以泛化为看不见的数据并以可预测的精度部署到生产中。了解如何使用正则化方法防止过度拟合，以及如何选择正确的损失函数来提高模型的准确性。
通过定义要优化的内容和适当的错误指标来评估模型的性能以评估业务影响。使用诸如交叉验证或超参数调整之类的验证方法来提高模型的性能。最后，学习探索一种功能强大的监督学习方法SVM（支持向量机）。
转向无监督学习，并采用诸如PCA之类的方法来降低维度，或采用聚类的方式来发现数据集中的组。通过结合其他模型以提高性能的集成方法来完善你的工具带，例如“随机森林”或“梯度提升”。
熟悉掌握管理高维变量并将其转换为可管理的输入。学习例如标准化和增白等经典的图像预处理技术，应用正确的编码类型为不同的NLP任务准备文本数据（自然语言处理）。
了解神经网络（神经元，层，堆栈）的体系结构及其参数（激活函数，损失函数，优化器）。自主创建自己的网络，例如卷积神经网络（用于图像），循环神经网络（用于时间序列）和自然语言处理网络（用于文本）。
发现一个名为 keras 的新库，它是Google创建的深度学习库，比 tensorflow 更加友好。我们将教你使用Keras构建第一个深度学习模型的基本技术。
借助深度学习构建网络进行对象检测和识别，进一步进入计算机视觉。实施诸如数据增强之类的高级技术，以通过计算图像扰动（随机裁剪，强度变化等）来增强训练集，从而改善模型的通用性。
从Jupyter Notebook移至代码编辑器，并学习如何以正确的方式设置机器学习项目，以便快速自信地进行迭代。了解如何使用编码器和变压器将机器学习模型转换为具有sklearn-pipeline的健壮且可扩展的管道的模型。
从头到尾构建机器学习模型需要大量的数据准备，实验，迭代和调整。我们将教你如何利用一个名为MLflow的库进行特征工程和超参数调整以构建最佳模型。
最后，我们将向你展示如何将代码和模型部署到生产环境。使用Google Cloud AI Platform，你将能够大规模训练模型，打包模型并将其提供给全世界。最重要的是Cherry，你将使用Docker环境来部署自己的RESTful Flask API，该API可以插入任何前端接口。
最后两个星期，你将在小组项目中工作，和团队成员一起解决的数据科学问题！你将学习如何通过通用的Python存储库和Git流在实际的数据科学项目上进行有效的协作。你将混合使用自己的数据集（如果有公司或非营利组织的数据集）和开放数据存储库（政府计划，Kaggle等）。这将帮助你练习数据科学课程中涵盖的所有工具、技术和方法，让你意识到自己这一路的成果和收获。
从早上的课程到晚上的讲座，每天的安排都是满满的！
每天早上喝一杯咖啡，开始互动性极强的讲座，然后把所学的内容付诸实践。
和其他学员结对，接下来的一天里在导师 助教的帮助下，共同应对系列编程挑战。
学习编程强度很大，因此学会在瑜伽环节休息和放松是很重要的。
复习当天的挑战内容，并在代码实战环节提前了解接下来的课程。
在我们举办的讲座和工作坊中，从成功创业者的分享中获得启发和有价值的建议。
我们的数据科学课程只是旅程的开始。毕业后你将加入我们全球技术社群，使用我们的在线平台来保持学习和成长。
从专业数据科学家和数据分析师那里获得提示和建议，从企业家和开发人员那里获得独家工作和自由职业机会。
课程结束后，学生在任何时候都可以访问我们的在线教育平台，再次回看所有数据科学讲座、课程视频、代码挑战和抽认卡。
受益于我们全球％{alumni_count}名校友组成的社群，他们从事着与数据相关的角色，为全世界的企业家、开发人员和产品经理提供着服务。
我们在世界各地的39％{city_count}个校园中开设了不同的课程：无论你去到哪里，都可以找到Le Wagon社群！
课程结束后，你将享受我们的职业生涯服务。我们会帮助你与最优秀的招聘人员会面，并与相关校友建立联系。
课程结束后，你将获得完整职业生涯指南，开启你的数据科学事业：提升你的简历，找到理想的工作，和我们％{alumni_count}校友社群建立联结。
参加我们的招聘会和社交活动，了解最优秀的科技公司，与数据人才相关职位的招聘人员建立联结，收获Offer。
我们的数据科学课程校友喜欢与应届毕业生分享他们的经验：他们讲述了自己如何找到数据科学家，数据分析师或数据工程师这一类型工作的故事。
我们的当地团队非常了解校友的动态以及合作招聘伙伴的偏好，他们会根据你的目标和方向为你推荐介绍合适的人选。
与沃耕合作，并聘请我们校友担任数据科学家、数据分析师或数据工程师的杰出公司
雇用了1名校友
雇用了9名校友
雇用了4名校友
雇用了6名校友
雇用了3名校友
雇用了1名校友
了解你是否能够在％{city}获得特别优惠。
Le Wagon has partnered with Study Loans to offer you the ability to pay for your education so that you can progress in your personal development.
Get up to $10,000 on a loan for 48 months with Study Loans.
The loan process is simple, easy and affordable. Read more about Study Loans on how to cover tuition covered by Study Loans. Also, get in contact with us at australia@lewagon.org for any information that is not covered here:
https://studyloans.com.au/le-wagon-information-page/
