Leer Data Analytics in Amsterdam

Tijdens je eerste 60 uur als Ironhack Data Analytics student, zal je een goede basis leggen voor je bootcamp in . Tijdens deze pre-work fase zul je:

1. Leer de fundamenten van de command line, Git, Python, MySQL en statistische analyse

2. leer de basisprincipes van programmeren en statistiek, en

3. connect met je medestudenten en experts door gebruik te maken van ons Slack kanaal.

Zodra je je pre-work af hebt, ben je helemaal klaar voor de bootcamp!

Tijdens de eerste twee weken zal je samen met je klasgenoten kennismaken met de Data Analytics wereld. Je installeert je development environment, en maakt je wegwijs in onze data community.

Onderwerpen zijn onder andere:

- Introductie tot data-wrangling en cleaning.

- API's en web scraping.

- Intermediate lessen in Git, SQL en Python.

Tijdens week drie ga je aan de slag met je eerste project als een leerling-data analist. Breng je nieuwe Python skills in de praktijk met het analyseren van data uit echte datasets!

In week vier en vijf ga je dieper in op de achterliggende wiskunde van data analytics.

Onderwerpen zijn onder andere:

- Python gebruiken om inferential statistiek en kansberekening, te begrijpen.

- Integratie van Python met de basisprincipes van business intelligence.

- Leer storytelling technieken om je data en bijbehorende inzichten te visualiseren en te presenteren.

Week zes is de start van je tweede project: een complete data-analyse! Dit project is gebaseerd op data die je hebt verzameld, opgeschoond en gevisualiseerd uit echte datasets!

De laatste module, in week 7 en 8, is een introductie tot machine learning. Je starte met het doorgronden en begrijpen van de machine workflow, en op deze goede basis wordt vervolgens voortgebouwd.

Onderwerpen zijn onder andere:

- Zowel klassikaal- als zelfstandig leren.

-De basis van populaire machine learning-algoritmen

- Het bouwen, trainen en ontwikkelen van modellen met de Scikit-Learn machine learning library.

In de laatste week van deze module, krijg je je grootste uitdaging: het bouwen van een end-to-end machine learning project. Je zal een dataset verwerken van begin tot eind, feature extraction uitvoeren, het model trainen en vervolgens zal je je model gebruiken om voorspellingen te doen over nieuwe data. Wanneer je project is voltooid, krijg je de kans om je te plaatsen in onze Hackshow, waar de top van de klas mag presenteren.