• 难度
    中级
  • 学习时间
    19年2月20日第二期开班

    90课程

  • 课程价格
    早鸟价:$4800(线下) $3800(线上)

    截止日期 20/09/2018

    *exclude GST

  • 先修知识
    数学

    基础数学,数据库, Python入门

我们的导师来自

  • 匠人partner google
  • 匠人partner aws
  • 匠人partner amazon
  • 匠人partner microsoft
  • 匠人partner facebook
  • 匠人partner atlassian
  • 匠人partner nasdaq
  • 匠人partner myob
  • 匠人partner cambridge
  • 匠人partner MIT
  • 匠人partner university of melbourne
  • 匠人partner university of queensland
  • 匠人partner unsw
  • 匠人partner qut
  • 匠人partner sydney
  • 匠人partner moash
  • 匠人partner rmit
  • 匠人partner thoughtworks
  • 匠人partner anz
  • 匠人partner commonwealth
  • 匠人partner rea
  • 匠人partner sap
  • 匠人partner telstra
  • 匠人partner woolworths
  • 匠人partner suncorp
  • 匠人partner westpac
  • 匠人partner dominos
  • 匠人partner pwc
  • 匠人partner deloitte
  • 匠人partner accenture
  • 匠人partner avanade
  • 匠人partner cognizant
  • 匠人partner ebay
  • 匠人partner 阿里巴巴
  • 匠人partner 清华
  • 匠人partner 北大
  • 匠人partner Iress
  • 匠人partner EY
  • 匠人partner baidu

为什么选择IT匠人的数据科学项目全栈班?

若你想从事数据行业的工作,那匠人的数据科学全栈班将会是你的不二选择。我们以项目为主导,由浅至深地传授学员数据行业市场上需求最大的技能。通过项目实践让学员在毕业时能够Job Ready。搭配上IT匠人的简历、面试技巧等辅导,让学员能够从容不迫地面对任何面试。

你将会学到

数学与Python编程基础,异步/多进程开发,机器学习,爬虫,Spark, SQL,量化分析,数据可视化,R数据处理,时序数据预测模型,Structured Streaming,时空数据分析,项目实战,Kafka,Kaggle竞赛

适合人群:

  • 想立志进入数据科学行业的,会基础Python和SQL

四大项目实战 + 数据科学家必备武器

数学与Python编程基础,异步/多进程开发,机器学习,爬虫,Spark, SQL,量化分析,数据可视化,R数据处理,时序数据预测模型,Structured Streaming,时空数据分析,项目实战,Kafka,Kaggle竞赛

features__images
  • 完胜其他培训学校就业率

    经过2期的数据科学项目全栈班积累,40%的学生课程刚结束就找到了全职工作;另外百分之30%,在三个月内找到了全职工作。由于真实的工作offer,我们也有自信说,匠人和匠人的导师真心帮助了许多学生就业。

  • 顶尖导师团队

    匠人导师团队均为多年经验的IT大咖,每一个培训都是由各自专属领域的大牛授课,导师也是名校毕业和名企经验,从百度到阿里巴巴,从ThoughtWorks到Microsoft,Amazon,从Senior Developer到CTO,应有尽有。同时加入匠人圈,也是加入了IT匠人全球IT职业资源。

  • 项目Driven的教学模式

    每一个课程内的项目都是匠人导师精心挑选,通过项目学习理论,通过项目不断完善你的简历。使学员能够在毕业时至少获得4个商业项目以及其匹配的技能点

  • 紧密围绕面试求职

    匠人圈会根据每个学员的个人特色,制定不同的找工作的策略和面试技巧。修改简历,模拟面试。使学员们在求职路上快人一步

features__images

你将学到什么

Syllabus

从入门到数据科学家 Data Scientist

数学与Python编程基础,异步/多进程开发,机器学习,爬虫,Spark, SQL,量化分析,数据可视化,R数据处理,时序数据预测模型,Structured Streaming,时空数据分析,项目实战,Kafka,Kaggle竞赛

先修知识

基础数学,数据库, Python入门

  • CLASS1 Python基础

    1.python常⽤用数据结构

    2.⽹网络IO操作

    3.异步/多进程开发

    4.matplotlib 数据可视化

  • CLASS2 数据库基础

    1. SQL基础

    2. Sqlite / Mysql使用⼊⻔

  • CLASS3 数据抓取以及实践

    1.数据源准备

    1.1爬虫入门

    1.2BeautifulSoup ⽹网⻚页数据解析

  • CLASS4 量化分析

    1. 量化回测

    1.1量化回测基本概念

    1.2 BT回测框架简介

    1.3再平衡策略介绍

    2.策略实现

    2.1 交易所API对接

    2.2 数据签名

    2.3 下单操作

  • CLASS5 数据可视化进阶

    1.Python

    1.1 Matplotlib 介绍

    1.2 应用例子 入门 - 进阶- 高级作图

    2.R

    2.1 R 的数据可视化介绍

    2.2 ggplot 介绍 (API,范例)

    3.时序数据的可视化 (python例子, R例子)

    4Bitcoin 数据可视化范例 (练习)

  • CLASS6 ⽤Python进⾏行行数据处理

    Python Pandas 介绍

    Dataframe介绍

    数据选择

    数据操作

    时序数据处理与分析

  • CLASS7 用R进⾏行行数据处理

    R数据转化操作介绍

    基本数据分析操作

    时序数据分析操作(范例)

    bitcoin的数据处理(练习)

  • CLASS8 时序数据预测模型(1)

    Python sklearn介绍

    Tensorflow

    Tidyverse

    回归分析

    线性回归

    SVM

    Random Forest

  • CLASS9 时序数据预测模型(2)

    回归分析(续)

    MLP

    RNN

    LSTM

    GRU

    ARIMA

    时序数据预测完整范例(Arima, Random Forest and LSTM)

  • CLASS10 Spark介绍与软件安装和开发环境搭建

    Spark介绍之核心概念讲解

    Spark介绍之生态系统介绍

    Spark介绍之计算引擎剖析

    Spark介绍之安装与配置

    Spark介绍之IntelliJ IDEA安装与配置

    Spark介绍之Jupiter Notebook安装与配置

  • CLASS11 使用DataFrame做数据处理和分析

    SparkSQL和DataFrame 核心概念讲解

    初始化SparkSession和创建DataFrame

    查询DataFrame和可视化数据

    增加、更新、移除列

    分组、聚合、排序数据

    使用Broadcast Variables and Accumulators

    使用Join

    将DataFrame保存为文件

    生成临时表并用SQL进行查询和转化

  • CLASS12 Spark SQL程序设计和实战

    Deliver澳洲著名互联网公司 homework之基础版本实现功能

    Deliver澳洲著名互联网公司 homework之实现Error Handling + Unit Tests + Code Polishing

  • CLASS13 使用Structured Streaming处理流式数据

    Spark Streaming和Streaming APP设计介绍

    Structured Streaming 核心概念讲解

    多重模式和设置读取Streaming Data

    选择、分组、聚合、投影Streaming Data

    理解和使用Window

    使用Join

  • CLASS14 Kafka介绍

    Kafka核心概念讲解

    Kafka 安装和配置

    Kafka实战演示

  • CLASS15 Spark Streaming程序设计和实战

    Tweeter舆情分析

    Twitter Keys and Access Tokens设置

    Tweeter Kafka Producer设置

    Kafka和Spark程序整合

    Tweeter舆情分析程序实现

  • CLASS16 使用Spark MLLib进行机器学习

    Spark MLLib简介

    Spark Machine Learning Pipeline讲解

    Spark MLLib算法库使用和实例讲解

    分类算法:Decision Trees,Random Forests

    回归算法:Lasso and Ridge Regression

    聚类算法:K-means

    协同过滤:ALS

  • CLASS17 时空数据分析 —— 时空数据可 视化: 项目2介绍 停车罚款问题 论文展示

    时空数据可视化

    空间数据可视化工具 tableau CARTODB R python

    时间数据可视化回顾

    练习: 墨尔本停车场数据可视化(时空)

  • CLASS18 时空数据分析 —— 时空数据 处理理操作
  • CLASS19 时空数据聚类和 预测(1)
  • CLASS20 时空数据聚类和 预测(2)
  • CLASS21 停⻋车场罚款问题 解决⽅方案 —— 优化算法(1)
  • CLASS22 停⻋车场罚款问题 解决⽅方案 —— 优化算法(2)
  • CLASS23 数据科学数学基 础知识补缺 (1)
  • CLASS24 数据科学数学基 础知识补缺 (2)
  • CLASS25 Kaggle介绍
  • CLASS26 完整Kaggle流程
  • CLASS27 kaggle竞赛指导(1)
  • CLASS28 kaggle竞赛指导(2)
  • CLASS29 kaggle竞赛指导(3)

Learn with the Best

Guang Xu
Guang Xu

Monash大学博士

Monash大学博士生,研究方向为深度学习在环境信息提取中的应用,已发表超过 20 篇 SCI 期刊学术论文,H 学术指数为 11。前 IBM Research 实习生,澳大利亚计算机协会基金会(ACS Foundation)奖学金获得者; 创办的文献计量在线可视化平台(bibliometric.com) 获中国教育部“春晖杯”中国留学人员创新创业大赛优胜奖。
PHD
IBM
数据科学
大数据
深度学习
Albert Peng
Albert Peng

数据工程师

阿德雷德大学计算机科学毕业,拥有7年工作经验,资深全栈大数据工程师,参与了众多中国与澳洲DW/BI/Big Data 项目,熟悉和精通数据项目各阶段及全流程(从数据采集、转换、存储到数据分析、可视化及报表呈现)。对于澳洲data领域相关,高薪offer收割机,现任澳洲知名银行大数据工程师
  • ANZ
数据工程
数据科学
大数据
7年经验
数据职业指导
Samuel Shao
Samuel Shao

数据科学家

数据分析专家邵巍博士任墨尔本皇家理工大学(RMIT)研究员, 在墨尔本皇家理工大学取得计算机科学博士学位。在香港大学获得硕士学位并且工作三年。 研究领域包括加强学习, 时空数据分析, 时序数据分析, 智慧城市以及无线信号处理,在物联网顶级国际期刊发表相关论文。邵博士曾在新加坡, 香港等地求学。参与过多项中国、香港、美国、澳洲等国家级别项目,包括美国顶级军火公司,墨尔本市议会, 香港海关等
博士生导师
数据科学家
香港大学
顶级刊物
AI

学员反馈

4.9
5 stars
62
4 stars
6
3 stars
0
2 stars
0
1 stars
0

帮助与常见问题

合作机构
  • 匠人partner
  • 匠人partner
  • 匠人partner
  • 匠人partner
  • 匠人partner
  • 匠人partner
  • 匠人partner
  • 匠人partner
  • 匠人partner
  • 匠人partner
  • 匠人partner
我们的课程经过下面的企业认可
  • 匠人partner aws
  • 匠人partner amazon
  • 匠人partner microsoft
  • 匠人partner accenture
  • 匠人partner suncorp
  • 匠人partner pwc
  • 匠人partner myob
  • 匠人partner
  • 匠人partner rea
  • 匠人partner
  • 匠人partner
  • 匠人partner avanade
  • 匠人partner avanade
  • 匠人partner
  • 匠人partner
  • 匠人partner
  • 匠人partner
  • 匠人partner
  • 匠人partner
  • 匠人partner
  • 匠人partner
  • 匠人partner
  • 匠人partner
  • 匠人partner