Data science w biznesie II 23A0K0-D
Laboratorium (LAB) Semestr letni 2024/25

Podstawowe narzędzia data science

Platformy gromadzenia danych

Środowiska języków programowania Python.

Projektowanie strumienia przepływu i analizy danych (data pipeline, Kedro)

Projektowanie strumienia przepływu i analizy danych - analiza biznesowa

Modele klasyfikacyjne (model logitowy, suport vector machine) - analiza biznesowa

Modele klasyfikacyjne (decission tree, random forest classifier) - analiza biznesowa

Modele klasyfikacyjne (samodzielna budowa i weryfikacja modelu)

Modele predykcyjne (regresja liniowa) - analiza biznesowa

Modele predykcyjne (random forest regression, xtboost regression) - analiza biznesowa

Modele predykcyjne (samodzielna budowa i weryfikacja modelu) - analiza biznesowa

Modele optymalizacji matematycznej (Solver Excel)

Modele optymalizacji matematycznej (Python)

Modele optymalizacji matematycznej (samodzielna budowa i weryfikacja modelu)

Podsumowanie materiału (dalsze ścieżki budowania kompetencji data science)