Course Information
Schedules
-
9 Jan 2025 (Thu) - 20 Mar 2025 (Thu)
7:00 PM - 10:00 PM
Registration period
2 Dec 2024 (Mon) - 8 Jan 2025 (Wed)
Location
九龍長沙灣道681號貿易廣場5樓503-506室
Course Overview
Python是一個強大、快速、簡單易讀的程式語言
自1990年代初由GuidovanRossum(又常被稱為GvR或BDFL)創造至今已歷十數年發展,應用於系統管理、網路管理、網路傳輸程式、網頁程式開發、數值分析程式、圖形介面應用程式等方面,均有優秀的表現。
30多年過去,如今,Python已經成為最受歡迎的程式設計語言之一,在Web開發、科學計算和統計、軟體發展、後端開發,以及近年來備受關注的人工智慧等領域有著廣泛的應用。Python已經成為各行業的必修課。
越來越多的人愛上了這門簡潔優雅的語言,開始學習Python,使用Python。
FevaWorks全新開辦CertificateinDataSciencewithPython專業課程,導師會以深入淺出的方法,透過實際的例子,教授Python在日常工作中的應用包括:編寫,數據處理等等,機器學習演算法的原理和實際應用,機器學習演算法的優點和缺點,大量關於金融題目的實際案例包括:Pairtrading/Futurestrading)等等,進而找出隱藏在資料中的重要訊息,亦會教授其他相關的入門技術,不懂程式也能輕鬆學習,課程以一人一機實戰練習。
導師介紹:
K.S.Lee
K.S.Lee為資深的IT技術開發從業員及現任大數據分析專家,畢業於香港大學及理工大學,擁有計算機科學系學士及碩士,及超過二十多年開發經驗及一直致力於大數據分析,非常熟悉及擅長於開源平台R和Python進行大數據挖掘(Datamining)和分析。
K.S.Lee積極參與不同的大數據分析,更擔任多間大專院校之講師,擁有超過十年教學經驗,所教門生甚多,教授範圍覆蓋不同範疇包括:MachineLearning,DataScience,DataMining及金融科技等,除了教授不同的理論,更將業界之工作經驗與學生分享。
DennisTam
DennisTam為資深的數據科學家及人工智能(A.I.)專家,畢業於香港科技大學,擁有信息系?及營運管理學士,及超過十多年量化分析經驗及一直致力於大數據分析,非常熟悉及擅長於開源平台R和Python進行大數據挖掘(Datamining)和分析。
DennisTam積極參與不同的大數據分析,更擔任大專院校之講師,擁有超過五年教學經驗,所教門生甚多,教授範圍覆蓋不同範疇包括:MachineLearning,DeepLearning,DataScience,量化金融分析等,除了教授不同的理論,更將業界之工作經驗與學生分享。
DannyTse
DannyTse為資深的大數據分析師,現任電信公司雲端大數據分析平台的系統架構師,畢業於加州州立大學富勒頓分校,擁有軟件工程碩士學位,並擁有多年的數據分析經驗,一直專注於大數據分析。非常熟悉並擅長於使用Python和R這些開源平台進行大數據挖掘(Datamining)和分析。
DannyTse積極參與各種大數據分析項目,更擔任恒生大學講師,教授過多名學生,擁有豐富的教學經驗。他的教學範圍涵蓋不同領域,包括大數據分析、機器學習、人工智能、數據可視化及數碼商業管理等。除了教授不同的理論知識,更將業界之工作經驗與學生分享。
若想更了解以上資訊,歡迎致電31068211查詢。
What You’ll Learn
Certificate in Data Science with Python (30hrs) |
1. |
Data Management with Python - Part One |
|
|
Python basic: data structures, list and dictionary, for loop/if statement, define function |
|
2. |
Data Management with Python - Part Two |
|
|
Pandas: series / dataframe |
|
3. |
Data Management with Python - Part Three (Data Visualization Techniques) |
|
|
Practical use of pandas features: data aggregation / joining / datetime management etc Different types of charts |
|
Different types of charts |
|
4. |
Web scraping with Python |
|
|
Use of beautifulSoup and selenium |
|
5. |
Overview of the use of machine learning |
|
|
Supervised learning / unsupervised learning |
|
Model Evaluation |
|
Data mining workflow |
|
6. |
Tree based Machine Learning Algorithms |
|
|
Decision tree algorithm / random forest |
|
7. |
Artificial neural network (ANN) & Deep learning |
|
|
ANN and DNN with tensorflow |
|
8. |
Clustering Algorithms |
|
|
Kmeans and other algorithms |
|
9. |
Regression |
|
|
Linear and polynomial regression techniques |
|
10. |
Text analytics with Python |
|
|
|
Note: The course outline is subject to change based on the needs and requirements of the students and the latest updates in the market.
Skills covered in this course