მონაცემთა მეცნიერების საბაზისო კურსი (DATA SCIENCE)

• ხართ დაინტერესებული მონაცემების ანალიზისა და მანქანური დასწავლის მეთოდების გამოყენებით საკუთარ საქმიანობაში?

• დასაქმებული ხართ ბიზნესის სფეროში და გსურთ მიღწეული შედეგების გაუმჯობესება მონაცემთა ანალიზის მეშვეობით?

• დაინტერესებული ხართ ამ სფეროს შესწავლით, მაგრამ არ გაქვთ საკმარისი დრო ხანგრძლივი სწავლისთვის?

GAU გთავაზობთ, გაიაროთ მონაცემთა მეცნიერების საწყისების პირველი მოკლევადიანი კურსი საქართველოში - DS101, რომელიც გაძლევთ რეალურ შესაძლებლობას:

1. შეისწავლოთ მონაცემთა დამუშავებისა და ანალიზის ტექნიკები python-ის პროგრამული ენის გამოყენებით
2. აითვისოთ მონაცემთა ვიზუალიზაციის საწყისები
3. გაიცნოთ მანქანური და ღრმა დასწავლის თანამედროვე ალგორითმები
4. მოარგოთ მიღებული ანალიტიკური ალგორითმები რეალურ ბიზნეს პრობლემებს
5. ყოველდღიურ მუშაობაში დანერგოთ ანალიტიკური გადაწყვეტები
6. მიიღოთ მონაცემთა ანალიტიკაზე დაყრდნობილი დროული და სწორი გადაწყვეტილებები
7. გაიმდიდროთ კონტაქტები

კურსი ასევე დაგეხმარებათ პროფესიულ განვითარებაში, კარიერულ წინსვლაში, ანალიტიკური უნარების აღმოჩენა-გაღრმავებაში.

პროგრამა აწყობილია სწავლების თანამედროვე მეთოდებით, როგორებიცაა ინტერაქციული მუშაობა და სიმულაციები. კურსის ფარგლებში აქცენტი გაკეთდება მსმენელების მაღალ ჩართულობასა და რეალური სამყაროს პრობლემების განხილვაზე სწავლების მიმდინარეობისას, რაც უფრო საინტერესოს ხდის ლექციების მიმდინარეობას. კურსის გავლის შემდეგ მიიღებთ შესაბამის სერტიფიკატს.

პროგრამა შექმნილია ქართულ-ამერიკული უნივერსიტეტისა და ლინკოპინგის უნივერსიტეტის (შვედეთი) მაღალკვალიფიციური პერსონალის თანამშრომლობით. 

კურსს გაუძღვებიან ამ სფეროში მოღვაწე მოწინავე ქართველი ლექტორები.

ვისთვის არის კურსი განკუთვნილი:

• მონაცემების ანალიზისა და მანქანური დასწავლით დაინტერესებული ნებისმიერი ადამიანისთვის
• მათთვის, ვისაც სურს მიიღოს მონაცემთა ანალიზზე დაფუძნებული გადაწყვეტილებები
• მონაცემთა ანალიზისა და მანქანური დასწავლის მიმართულებით კარიერის დაწყების მსურველთათვის

მსმენელები გაივლიან ქვემოთ ჩამოთვლილ მოდულებს შესაბამისი საგნებით:

1. მონაცემთა ანალიზი ბიზნეში:
   • ბიზნესში გამოყენების მაგალითები
   • მონაცემთა ანალიტიკის შესავალი
   • ავტომატური მანქანური დასწავლის პლატფორმები და მათი გამოყენება
2. Python-ის პროგრამირების ენის საწყისები
   • პროგრამირების საწყისები:
     1. ცვლადების განსაზღვრა
     2. ცვლადების ტიპები
     3. ლოგიკური ბლოკები და ციკლები
     4. ფუნქციები
     5. ბიბლიოთეკები
     6. ნაკადები
3. მონაცემების დამუშავება:
   • მონაცემების ტიპები
   • Pandas ბიბლიოთეკის შესავალი
   • მონაცემთა ვიზუალიზაციის საწყისები
   • მონაცემთა დამუშავების და გასუფთავების ტექნიკები
4. მანქანური დასწავლის ალგორითმები:
   • დაკვირვებითი და დაკვირვების გარეშე მოდელები
   • რეგრესიული და კლასიფიკაციის ალგორითმები
   • კლასტერირება (აღმწერი მეთოდები)
   • მოდელირებისთვის მონაცემების მომზადება
   • მოდელის წარმადობის შეფასების მეთოდოლოგიები და მახასიათებლები
   • კომპიუტერული ხედვის ალგორითმები (computer vision)
   • დამხმარე ხელსაწყოები
5. რეალური პროექტების/ქეისების გარჩევა:
   • მანქანური დასწავლის გამოყენებით გადაჭრილი რეალური ქეისებისა და კოდის გარჩევა და ანალიზი
6. კურსის საბოლოო პროექტის მომზადება:
   • საბოლოო პროექტისთვის მონაცემების შერჩევა
   • პროექტის მსვლელობისას ლექტორების კონსულტაცია

სერტიფიკატი:

კურსდამთავრებულები მიიღებენ ქართულ-ამერიკული უნივერსიტეტის სერტიფიკატს.
სერტიფიკატის მისაღებად საჭიროა ანალიტიკური/მანქანური დასწავლის პროექტის მომზადება და პრეზენტაციის წარდგენა.
პროექტის წარდგენას დაესწრებიან პოტენციური დამსაქმებლები რელევანტური ინდუსტრიებიდან.
პროექტი შეიძლება იყოს როგორც ინდივიდუალური, ასევე გუნდური - არაუმეტეს 3 წევრისა.
მსმენელები იტოვებენ უფლებას პრეზენტაცია ჩაატარონ ღია ან დახურულ ფორმატში.

პროგრამის ხანგრძლივობა:

• კურსი დაიწყება 21 ოქტომბერს. 
• აკადემიური კალენდარი შედგება 13 კვირისგან.
• ლექციები ჩატარდება კვირაში 2-ჯერ (ოთხშაბათი - 19:30 სთ. და შაბათი - 11 სთ.).
• ლექციის ხანგრძლივობაა 2-3 საათი.

პროგრამის ღირებულება: 2,000 ლარი (გადახდის პირობების და ფასდაკლების შესახებ ინფორმაცია იხილეთ სწავლის საფასურის ველში)

რეგისტრაცია:
დაინტერესების შემთხვევაში გთხოვთ შეავსოთ სარეგისტრაციო ფორმა და გამოგზავნოთ CV მეილზე
საბუთების მიღების შემდეგ ჩატარდება გასაუბრებები და დაკომპლექტდება ჯგუფი.

პროექტი განხორციელდა USAID-ის ეკონომიკური უსაფრთხოების პროგრამის მხარდაჭერით.