• LOGIN
  • Geen producten in de winkelwagen.

Data Science with Python – Analyst to Scientist

 1.275,00 Excl. BTW per 365 dagen

INSCHRIJVING VOOR 1 jaar

Aangeboden leervormen

Data Science with Python - Analyst to Scientist

Met de Leerlijn Data Science with Python – Analyst to Scientist van Sinteno krijg je de meest complete digitale leeromgeving en de beste voorbereiding op de praktijk. Het is een dynamische en unieke voorbereiding op de certificering EN geeft je tools die volledig zijn geïntegreerd in een omgeving.

De Leerlijn Data Science with Python – Analyst to Scientist geeft toegang tot zowel de e-Learning, de examensimulatie, een online mentor, examenquizzen, tips, trucs en links EN Live Labs.

Hier vind je meer informatie over CertKits en Live Lab's.

Deze leerlijn biedt een basis voor data-architectuur, statistieken en programmeervaardigheden voor data-analyse met behulp van Python en R. en wat de eerste stap zal zijn in het verwerven van de kennis om over te stappen van het gebruik van ongelijksoortige en verouderde gegevensbronnen.
Je leert de gegevens te beargumenteren met Python en R en die gegevens te integreren met Spark en Hadoop.
Vervolgens leer je hoe je data kunt operationaliseren en schalen, rekening houdend met compliance en governance.
Om de leerlijn te voltooien, leer je hoe je die gegevens kunt visualiseren om slimme zakelijke beslissingen te nemen.

Deze leerlijn, met meer dan 120 uur online content, is opgedeeld in de volgende vier tracks:

·        Data Science Track 1:  Data Analyst
·        Data Science Track 2:  Data Wrangler
·        Data Science Track 3:  Data Ops
·        Data Science Track 4:  Data Scientist

Programma

Data Science Track 1:  Data Analyst

In dit gedeelte van de leerlijn ligt de focus op de rol van data-analist en dan met name: Python, R, architectuur, statistiek en Spark.

Inhoud:

·        E-learning:

o    Data Architecture Primer & Data Engineering Fundamentals;

o    Python for Data Science;

o    R for Data Science;

o    Data Science Statistics;

o    Accessing Data with Spark;

o    Getting Started with Hadoop;

o    Hadoop HDFS;

o    Data Silos, Lakes, & Streams.

·        Online Mentor:

o    Je kunt contact leggen met je mentor door een chat te beginnen of een e-mail te sturen.

·        Final Exam assessment:

o    Gemiddelde duur:  65 minuten.

·        Practice labs:  Analyzing Data with Python (geschatte duur:  8 uren)

o    Oefen met het uitvoeren van gegevensanalysetaken met Python door VSCode te configureren, gegevens van SQLite in Panda's te laden, gegevens te groeperen en boxplots te gebruiken.
Test vervolgens je vaardigheden door beoordelingsvragen te beantwoorden nadat je Python hebt gebruikt om de frequentieverdeling en spreidingscoëfficiënt e.d. te berekenen.
Dit lab biedt toegang tot verschillende tools die veel worden gebruikt in datawetenschap, waaronder:
VS Code, Anaconda, Jupyter Notebook + Hub, Panda's, NumPy, SiPy, Seaborn Library, Spyder IDE

 

Data Science Track 2:  Data Wrangler

In dit gedeelte van de leerlijn ligt de focus op de rol van data-wrangler. Gebieden zoals het beargumenteren met Python, Mongo en Hadoop worden verkend.

Inhoud:

·        E-learning:

o    Data Wrangling with Panda's;

o    Data Wrangler 4;

o    Data Tools;

o    MongoDB for Data Wrangling;

o    Getting Started with Hive;

o    Getting Started with Hadoop;

o    Accessing Data with Spark;

o    Data Lake;

o    Data Architecture – Deep Dive.

·        Online Mentor:

o    Je kunt contact leggen met je mentor door een chat te beginnen of een e-mail te sturen.

·        Final Exam assessment:

o    Gemiddelde duur:  90 minuten.

·        Practice labs:  Data Wrangling with Python (geschatte duur:  8 uren)

o    Voer data-wranging-taken uit, waaronder het gebruik van een Panda's DataFrame om meerdere Excel-bladen te converteren naar afzonderlijke JSON-documenten. Een tabel uit een HTML-bestand te extraheren, gemiddelde vervanging te gebruiken en datums binnen een DataFrame om te zetten.
Test vervolgens je vaardigheden door beoordelingsvragen te beantwoorden nadat je een Panda's DataFrame hebt gebruikt om een CSV-document naar een JSON-document te converteren, ontbrekende waarden te vervangen door een standaardwaarde, een kolom te splitsen met een scheidingsteken en twee kolommen te combineren door tekst aaneen te schakelen.

Data Science Track 3:  Data Ops

Het doel van dit gedeelte van de leerlijn is om je voor te bereiden op een Data Ops-rol met de focus op governance, beveiliging en het benutten van volume en snelheid.

Inhoud:

·        E-learning:

o    Delivering Dashboards;

o    Cloud Data Architecture;

o    Compliance Issues and Strategies & Implementing Governance Strategies;

o    Data Access & Governance Policies;

o    Streaming Data Architectures;

o    Scalable Data Architectures;

o    Data Pipeline & Data Sources;

o    Securing Big Data Streams & Harnessing Data Volume & Velocity;

o    Data Rollbacks.

·        Online Mentor:

o    Je kunt contact leggen met je mentor door een chat te beginnen of een e-mail te sturen.

·        Final Exam assessment:

o    Gemiddelde duur:  90 minuten.

·        Practice labs:  Implementing Data Ops with Python (geschatte duur:  8 uren)

o    Voer data-ops-taken uit met Python, waaronder het werken met rij-subsets, het maken van nieuwe kolommen met Regex, het uitvoeren van joins en het spreiden van rijen.
Test vervolgens je vaardigheden door beoordelingsvragen te beantwoorden nadat je met veldsubsets en berekende kolommen hebt gewerkt en setbewerkingen en bindende rijen hebt uitgevoerd.

 

Data Science Track 4:  Data Scientist

In het laatste gedeelte van de leerlijn ligt de focus op de rol van Data Scientist. Hier zullen we gebieden verkennen zoals: visualisatie, API's en ML- en DL-algoritmen.
Inhoud:

·        E-learning:

o    Data Driven Organizations;

o    Raw Data to Insights;

o    Storytelling with Data;

o    Python for Data Science;

o    R for Data Science;

o    Advanced Visualizations & Dashboards;

o    Data Insights, Anomalies, & Verification;

o    Data Research Techniques;

o    Machine & Deep Learning Algorithms;

o    Creating Data APIs Using Node.js.

·        Online Mentor:

o    Je kunt contact leggen met je mentor door een chat te beginnen of een e-mail te sturen.

·        Final Exam assessment:

o    Gemiddelde duur:  90 minuten.

·        Practice labs:  Data Visualization with Python (geschatte duur:  8 uren)

o    Voer data visualisatietaken uit met Python, zoals het maken van scatterplots, het plotten van lineaire regressie, het gebruik van logistieke regressie en het maken van een beslissingsboom.
Test vervolgens je vaardigheden door beoordelingsvragen te beantwoorden na het maken van time-series graphs, het opnieuw bemonsteren van waarnemingen, het maken van histogrammen en het gebruik van een rasterpaar.

Examen

N.v.t.

Bij de training inbegrepen

Certificaat van deelname ja
Voortgangsbewaking ja
Geschikt voor mobiel ja
Studieadvies Onze consultants zijn beschikbaar om je te voorzien van studieadvies.
Studiemateriaal Gecertificeerde docenten met uitgebreide kennis over de onderwerpen.
Service Service via telefoon of e-mail.

Aanvullende informatie

Duur training:  120 uur

Beschikbare taal:  Engels

Online toegang:  365 dagen

Home

Extra informatie

IT-Techniek

Soort online training

Complete leerlijn

Soort opleiding

E-Learning

Doelgroep functiegerichte leerlijn

IT professional



Compleet in opleiden

Algemene Voorwaarden

Sinteno is een volle dochter van IQ4Learning
Sinteno Attitude
top

Door de site te te blijven gebruiken, gaat u akkoord met het gebruik van cookies. meer informatie

Sinteno maakt gebruik van cookies, onder andere om de website te analyseren en het gebruiksgemak te vergroten. Door gebruik te maken van deze website geef je impliciet toestemming voor het gebruik van cookies. Sinteno zal zorgdragen dat het gebruik van cookies geen of geringe gevolgen heeft voor de persoonlijke levenssfeer van de gebruiker van deze website. Meer informatie over het gebruik van cookies en/of persoonlijke gegevens kunt u vinden in het Privacy Statement van Sinteno.

Sluiten