课程介绍
什么是数据科学？
术语“数据科学”的使用越来越普遍，但是它的确切含义是什么？成为数据科学家需要什么技能？BI和数据科学之间有什么区别？数据科学如何做出决策和预测？这些是将进一步回答的一些问题。
首先，让我们看看什么是数据科学。数据科学融合了各种工具，算法和机器学习原理，旨在从原始数据中发现隐藏的模式。这与统计学家多年来所做的有何不同？
答案在于解释和预测之间的差异。
数据科学家是分析数据专家，他们具有解决复杂问题的技术技能，并且具有探索需要解决哪些问题的好奇心。
数据科学是数据推理，算法开发和技术的多学科融合，旨在解决复杂的分析问题。
数据科学正在不断发展，成为熟练专业人员最有前途和需求最大的职业道路之一。如今，成功的数据专业人员已经意识到，他们必须超越分析大量数据的传统技能，数据挖掘和编程技能。为了发现对他们的组织有用的情报。
有效的数据科学家能够识别相关问题，从众多不同的数据源中收集数据，组织信息，将结果转换为解决方案，并以对业务决策产生积极影响的方式传达其发现。几乎所有行业都需要这些技能，从而使熟练的数据科学家对公司越来越有价值。
Glassdoor连续第三年将数据科学家评为2018年美国最佳工作第一名。随着越来越多的数据可访问性，大型科技公司不再是唯一需要数据科学家的公司。各种行业（无论大小）对数据科学专业人员的需求不断增长，这是因为缺少可填补空缺职位的合格候选人而面临的挑战。
对数据科学家的需求在未来几年没有放缓的迹象。LinkedIn将数据科学家列为2017年和2018年最有前途的工作之一，并将多种与数据科学相关的技能列为公司最需要的技能。
与某些其他编程语言不同，在Python中，通常存在一种最佳的处理方式。数据科学的三个最好也是最重要的Python库是NumPy，Pandas和Matplotlib。
NumPy和Pandas非常适合探索和处理数据。Matplotlib是一个数据可视化库，可生成类似于Excel或Google表格中的图形。
为什么要学习Python？
Python是一种面向对象的语言，与英语非常相似，这使得它成为初学者和经验丰富的专业人士学习的绝佳语言。
使用Python的示例网站包括Instagram，YouTube，Reddit，NASA，IBM，诺基亚等。
由于Python的简单性，它是人工智能AI领域中使用最广泛的编程语言之一。它可以与数据结构和其他常用的AI算法无缝结合使用。
即使是初学者，您也可以相当迅速地提高Python的生产力，但它也将为您提供行业上的冠军！
1）Python可用于快速开发原型，因为它易于使用和阅读。
2）大多数自动化，数据挖掘和大数据平台都依赖Python。这是因为它是用于通用任务的理想语言。
3）与C＃和Java这样的大型语言相比，Python提供了更高效率的编码环境。经验丰富的编码人员在使用Python时也倾向于保持组织性和生产率更高。
4）即使您不是熟练的程序员，Python仍易于阅读。任何人都可以开始使用该语言，这需要一点耐心和大量练习。另外，这使其成为在多程序员和大型开发团队中使用的理想人选。
5）Python为Django（一个完整的开源Web应用程序框架）提供了动力。诸如Ruby on Rails之类的框架可用于简化开发过程。
机器学习是计算机科学领域，它使用统计技术使计算机系统能够“学习”（例如，逐步提高特定任务的性能）数据，而无需经过Wikipedia的明确编程。
机器学习可以通过及时的分析和评估轻松地消耗无限量的数据。此方法有助于根据最近的客户交互和行为来查看和调整您的消息。一旦从多个数据源中建立了模型，它就可以查明相关变量。这样可以避免复杂的集成，而只专注于精确而简洁的数据馈送。
机器学习算法倾向于在快速级别上运行。实际上，机器学习使用数据的速度使其能够利用迅速发展的趋势并生成实时数据和预测
1.客户流失分析-必须立即检测哪些客户会放弃您的品牌或业务。您不仅应该深入了解它们，而且还必须对以下问题有答案：“它们是谁？它们的行为如何？它们为什么要离开？我该怎么做才能将它们与我们在一起？”
2.客户线索和转换-您必须了解所有客户的潜在损失或收益。实际上，重定向您的优先级并分配业务工作和资源以防止损失和增加收益。做到这一点的一种好方法是通过直接通信或通过基于网络和邮件的活动来重申客户的价值。
3.客户流失-确保制定个性化的保留计划，以减少或避免客户迁移。这有助于增加反应时间，并预见任何不相关的缺陷或叶片。
许多医院使用这种数据分析技术来预测入院率。医师还可以预测致命疾病患者可以活多久。
世界各地的保险代理机构还可以执行以下操作：
预测新客户将购买的保险类型和保险计划。
预测最有可能占主导地位的现有政策更新，覆盖范围变化和保险形式（例如健康，人寿，财产，洪水）。
在基于实际和人工智能建立新解决方案的同时，预测欺诈性保险索赔额。
机器学习是积极主动的，专门为“行动和反应”行业而设计。实际上，系统能够根据机器学习的输出快速采取行动-使您的营销信息全面有效。
因此，在本课程的机器学习，数据科学和神经网络+ AI中，我们将发现以下主题：
- 介绍
- 监督学习
- 贝叶斯决策理论
- 参数化方法
- 多元方法
- 降维
- 聚类
- 非参数方法
- 决策树
- 麦克尼马尔的测验
- 假设检验
- 自举
- 时间差异学习
- 强化学习
- 堆叠概括
- 结合多个学习者
- d分离
- 无向图：马尔可夫随机场
- 隐马尔可夫模型
- 回归
- 内核机器
- 多核学习
- 归一化基础函数
- 感知器
您将学到什么
使用Python
数据科学应用程序进行数据科学使用Python
库（例如NumPy，Pandas，Matplotlib，Pyplot）进行数据科学
分析使用Python进行数据科学和机器学习分析现实世界数据
基础Python技能
机器学习数学和统计学的详细信息
机器学习应用程序
h264, yuv420p, 1280×720 |ENGLISH, aac, 44100 Hz, stereo | 51h 17 mn | 16.61 GB
Created by: Osama Ajmal
Learn Data Science and Machine Learning using Python. Data Science Practical Applications and Machine Learning Projects!
