Детективи на данни

( 1 Review )
лв.349

Програма за приложни науки за данни

Целта на този курс е да предостави основни знания и умения в науката за данните, които ще помогнат на учениците да разберат и използват силата на данните в различни контексти. Успешното завършване на курса ще даде на участниците солидна основа за бъдещо обучение и кариерно развитие в тази област.

Цели на Курса:

  1. Въведение в основните концепции на науката за данните.
  2. Разбиране на процеса на събиране, обработка и анализ на данни.
  3. Запознаване с основните инструменти и техники за визуализация на данни.
  4. Развитие на критично мислене и умения за решаване на проблеми чрез анализ на данни.

Структура на Курса:

Курсът е структуриран в 12 седмици, като всяка седмица включва една 1-часова лекция и една 1-часова практическа сесия. Общо 24 часа.

Седмица 1: Въведение в Науката за Данните

  • Лекция: Какво е наука за данните?
    • История и еволюция
    • Примери за използване на данни в ежедневието
  • Практическа сесия: Запознаване с различни типове данни и основни термини

Седмица 2: Събиране на Данни

  • Лекция: Методи за събиране на данни
    • Анкети, наблюдение, експерименти
    • Автоматично събиране на данни (сензори, интернет)
  • Практическа сесия: Провеждане на анкета и събиране на данни от интернет

Седмица 3: Почистване и Подготовка на Данни

  • Лекция: Защо е важно почистването на данни?
    • Премахване на грешки и непълни данни
    • Форматиране и стандартизиране на данни
  • Практическа сесия: Работа с извадки от данни и почистване на грешки

Седмица 4: Въведение в Статистиката

  • Лекция: Основни статистически концепции
    • Средна стойност, медиана, мода
    • Разпределение и дисперсия
  • Практическа сесия: Изчисляване на статистически показатели с помощта на Excel

Седмица 5: Визуализация на Данни

  • Лекция: Защо визуализацията на данни е важна?
    • Видове графики и диаграми
    • Основни принципи на добра визуализация
  • Практическа сесия: Създаване на графики с помощта на Excel и Google Sheets

 

Седмица 6: Въведение в Програмирането с Python

  • Лекция: Защо Python е полезен за науката за данните?
    • Основни синтаксис и структури от данни в Python
  • Практическа сесия: Първи стъпки в програмирането с Python (използване на Jupyter Notebook)

Седмица 7: Обработка на Данни с Python

  • Лекция: Работа с библиотеки за обработка на данни в Python
    • Pandas и NumPy
  • Практическа сесия: Импортиране и манипулиране на данни с Pandas

Седмица 8: Визуализация на Данни с Python

  • Лекция: Въведение в Matplotlib и Seaborn
    • Създаване на графики и диаграми
  • Практическа сесия: Визуализация на данни с помощта на Matplotlib и Seaborn

 

 
 

 

 

Седмица 9: Машинно Обучение – Основи

  • Лекция: Какво е машинно обучение?
    • Основни типове машинно обучение (контролирано и неконтролирано)
  • Практическа сесия: Изграждане на проста модел за класификация с Scikit-learn

Седмица 10: Приложения на Науката за Данните

  • Лекция: Как се използва науката за данните в различни индустрии?
    • Здравеопазване, финанси, маркетинг и др.
  • Практическа сесия: Работа по мини проект – анализ на данни от реалния свят

  •  

Седмица 11: Етика и Поверителност при Работа с Данни

  • Лекция: Защо етиката е важна в науката за данните?
    • Поверителност и защита на данни
  • Практическа сесия: Дискусия и казуси, свързани с етика и поверителност

Седмица 12: Преглед и Финален Проект

  • Лекция: Обобщение на наученото и подготовка за финален проект
    • Инструкции за проекта
  • Практическа сесия: Представяне и обсъждане на финалните проекти

 

 
 

 

 

Детективи на данни

Влезте в ролята на детективи на данни и разкрийте тайните на цифрите! Нашият курс по наука за данните за деца над 12 години превръща сложните концепции в забавни и интерактивни уроци. Събирайте, анализирайте и визуализирайте данни, докато разказвате истории с числа. Научете се да решавате реални проблеми и да мислите критично, всичко това докато се забавлявате! Присъединете се и станете шампиони в света на данните!
  • Основи на науката за данните

    • Разбиране на ключовите концепции в науката за данните.
    • Запознаване с историята и развитието на науката за данните.
  • Събиране и съхранение на данни

    • Методи за събиране на данни от различни източници.
    • Основи на базите данни и тяхната структура.
  • Обработка и почистване на данни

    • Разбиране на важността на чистите данни.
    • Основни техники за почистване на данни (премахване на дублиращи записи, справяне с липсващи стойности и т.н.).
  • Анализ на данни

    • Основни статистически концепции (средна стойност, медиана, мода, разпределение).
    • Методи за анализ на данни и идентифициране на тенденции.
  • Визуализация на данни

    • Значението на визуализацията на данни.
    • Запознаване с различни видове графики и диаграми (ленти, пай, хистограми и т.н.).
    • Основи на инструменти за визуализация на данни (например, Tableau, Excel).
  • Прогнозиране и моделиране

    • Основни концепции за прогнозиране на данни.
    • Запознаване с простите предиктивни модели.
  • Етика в науката за данните

    • Разбиране на етичните аспекти при работа с данни.
    • Запознаване с конфиденциалността и защитата на личните данни.
  • Комуникация на резултати

    • Как да представяте данни и анализи на разбираем и интересен начин.
    • Разработка на доклади и презентации, базирани на данни.
  • Работа в екип и проекти

    • Основи на съвместната работа по проекти свързани с данни.
    • Разделение на задачите и отговорностите в екипа.
  • Основи на машинното обучение

    • Въведение в машинното обучение и неговите приложения.
    • Разбиране на разликата между наблюдаемо и ненаблюдаемо обучение.
  1. Събиране и Организиране на Данни:

    • Умения за събиране на данни от различни източници.
    • Организиране на данни в таблици и бази данни.
    • Основи на почистването на данни и премахване на грешки.
  2. Анализ и Интерпретация на Данни:

    • Използване на основни статистически методи за анализ на данни.
    • Идентифициране на ключови тенденции и модели в данните.
    • Приложение на изчисления за средна стойност, медиана, мода и диапазон.
  3. Визуализация на Данни:

    • Създаване на графики и диаграми с помощта на софтуер за визуализация на данни (напр. Microsoft Excel или Google Sheets).
    • Използване на цветове и форматиране за по-ясно представяне на данните.
    • Създаване на инфографики и презентации, за да разкажат истории с данни.
  4. Програмиране за Анализ на Данни:

    • Основи на програмирането с език като Python или R.
    • Писане на скриптове за автоматизиране на анализи и обработка на данни.
    • Използване на библиотеки за анализ и визуализация на данни (напр. Pandas и Matplotlib за Python).
  5. Решаване на Реални Проблеми:

    • Приложение на научените умения за решаване на реални проблеми.
    • Изграждане на модели за прогнозиране и анализиране на бъдещи тенденции.
    • Участие в групови проекти за изследване на конкретни казуси и представяне на резултатите.
  6. Критично Мислене и Вземане на Решения:

    • Оценка на надеждността и точността на данните.
    • Идентифициране на потенциални пристрастия в анализа на данни.
    • Вземане на обосновани решения въз основа на анализираните данни.
  7. Комуникация и Презентация:

    • Ефективно комуникиране на резултатите от анализа на данни.
    • Създаване на ясни и разбираеми доклади и презентации.
    • Работа в екип и споделяне на идеи и решения с другите участници.
  8. Етика в Анализа на Данни:

    • Разбиране на важността на етичните принципи при работа с данни.
    • Спазване на конфиденциалност и защита на личните данни.
    • Разглеждане на правните аспекти и отговорности при използването на данни
  • Критично мислене:

    • Анализиране на информация и данни, за да се правят обосновани заключения.
    • Разграничаване на релевантни данни от шум.
  • Решаване на проблеми:

    • Прилагане на методи за разпознаване и решение на реални проблеми чрез данни.
    • Разработване на стратегически подходи за справяне с различни предизвикателства.
  • Аналитични умения:

    • Използване на статистически методи за анализ на данни.
    • Работа с различни инструменти за визуализация на данни.
  • Комуникационни умения:

    • Умение да представят резултати и изводи по ясен и разбираем начин.
    • Разказване на истории чрез данни, за да се убедят и информират другите.
  • Технически умения:

    • Основни умения за програмиране на Python или друг език, подходящ за анализ на данни.
    • Работа с таблични процесори и други софтуерни инструменти за анализ на данни.
  • Умения за работа в екип:

    • Сътрудничество с други ученици за изпълнение на проекти.
    • Обмен на идеи и знания в групова среда.
  • Организационни умения:

    • Планиране и управление на малки проекти.
    • Управление на времето и приоритетите за успешно завършване на задачи.
  • Любопитство и креативност:

    • Насърчаване на въображението при търсене на решения и интерпретации на данни.
    • Изследване на различни подходи и методологии в анализа на данни.
  • Самостоятелност и отговорност:

    • Умение да работят самостоятелно и да поемат отговорност за своите задачи и резултати.
    • Развиване на самодисциплина и мотивация за учене и усъвършенстване.
  • Етични умения:

    • Разбиране на етичните аспекти на работата с данни.
    • Отговорно използване и интерпретация на данни, с уважение към личната неприкосновеност и конфиденциалност.
Модул 1

Въведение в света на данните: Добре дошли във фантастичния свят на данните! Тук ще научите как да разгадавате тайните зад скритите числа и статистическите факти. Разкриване на удивителни статистически истины и упражнения в намирането на скрити съкровища в големите данни.

Модул 2

Откриване и събиране на данни: Стъпка едно: научете се как да избирате, разпознавате и събирате данни от всякъде, от социалните мрежи до интернет магазините. Използване на детектори, ловувачи и заманици, за да събирате невероятни количества данни.

Модул 3

Анализ и визуализация на данни: Разкрийте секретите зад цифрите! Влезте в света на магията на визуализацията на данни, където ще създадете уникални медии и ще научите как да разгадавате сигнали от шум в тези числа.

Модул 4

Машинно самообучение и AI: Прехвърляме се във вълнуващия свят на машинното самообучение! Ще създадем модели, които се учат да предсказват и класифицират данни. Ще използваме библиотеки като scikit-learn и TensorFlow и ще изследваме как да подобрим нашите модели.

Модул 5

Ше се потопим в реални данни и ще научим как да ги анализираме и интерпретираме. Ще разгледаме различни методи за обработка и очистване на данни, както и как да извличаме полезна информация чрез статистически и визуални анализи. Ще използваме Python за изчисления и библиотеки като Pandas и Matplotlib за работа с данни.

 
 

 

 

Модул 6

 

Практически Проекти 

  • Разработка на собствен модел
  • Оценка и оптимизация на модели
  • Презентиране на проекти и получаване на обратна връзка
  • Финален капстоун проект:
    • Избор на тема
    • Разработка на проекта
    • Представяне и защита пред жури

Моля, попълнете този формуляр

    Информация за курса
    • 3
    • 3 h
    • : 50
    Споделяне в социални мрежи

    Свържете се с нас:

      Свържете се с нас:

      Days
      Hours
      Minutes