Ce veți învăța
- Introducere în Data Science
- Jupyter Notebook și Google Colab
- NumPy - Fundamente
- NumPy - Avansat
- Pandas - Fundamente
- Pandas - Manipularea datelor
- Pandas - Curățarea datelor
- Vizualizare cu Matplotlib
Despre curs
Curs Data Science și Machine Learning este programul complet de 20 de capitole care vă introduce în lumea analizei de date și a inteligenței artificiale aplicate. Cursul acoperă întregul ecosistem Python pentru data science, de la NumPy și Pandas până la algoritmi avansați de Machine Learning.
Veți urma metodologia CRISP-DM, standardul industrial pentru proiecte de data science, și veți lucra cu seturi de date reale pentru a dobândi experiență practică autentică.
Curs Data Science și Machine Learning: 20 de capitole
Data Science combină statistică, programare și expertiză de domeniu pentru a extrage informații valoroase din date. Este una dintre cele mai căutate specializări din IT, cu oportunități de carieră excelente și remunerație pe măsură.
Cursul este gândit pentru a vă transforma din cineva cu cunoștințe de bază Python în un data scientist capabil să gestioneze proiecte complete de analiză și modelare a datelor.
Ce veți învăța
- Ecosistemul Python pentru data science: Jupyter Notebook, Google Colab și medii virtuale
- NumPy: operații pe array-uri, algebră liniară și funcții statistice
- Pandas: manipularea, curățarea și analiza datelor tabelare
- Matplotlib și Seaborn: vizualizarea datelor și crearea graficelor profesionale
- Scikit-learn: algoritmi de clasificare, regresie și clustering
- Rețele neuronale și Deep Learning cu TensorFlow/Keras
- Procesarea limbajului natural (NLP) și analiza textelor
- Implementarea și deploymentul modelelor ML în producție
Structura cursului
Fundamente și instrumente
Cursul începe cu configurarea mediului de lucru și familiarizarea cu Jupyter Notebook și Google Colab. Veți înțelege procesul CRISP-DM și veți explora oportunitățile de carieră în data science.
Manipularea datelor cu NumPy și Pandas
NumPy oferă operații vectorizate eficiente pe array-uri multidimensionale, iar Pandas simplifică manipularea datelor tabelare. Veți lucra cu citirea datelor din diverse surse, curățarea și transformarea seturilor de date.
Vizualizare și analiză exploratorie
Vizualizarea datelor este esențială pentru înțelegerea distribuțiilor, identificarea outlierilor și comunicarea rezultatelor. Veți crea grafice profesionale și interactive cu Matplotlib și Seaborn.
Machine Learning aplicat
Veți implementa algoritmi de regresie, clasificare, clustering și reducere a dimensionalității. Fiecare algoritm este explicat conceptual și implementat practic cu Scikit-learn pe seturi de date reale.
Cui se adresează acest curs
- Programatori Python care doresc să treacă în data science
- Analiști de date care vor să automatizeze și să aprofundeze analiza
- Studenți și absolvenți care pregătesc o carieră în AI sau ML
- Manageri tehnici care doresc să înțeleagă fundamentele data science
De ce să alegeți acest curs
Cursul urmărește un fir narativ coerent, fiecare capitol construind pe cel anterior. Veți lucra cu seturi de date reale și veți rezolva probleme autentice din diverse industrii.
La finalul cursului, veți putea gestiona un proiect de data science de la capăt la capăt: de la colectarea și curățarea datelor până la antrenarea modelelor și interpretarea rezultatelor.
Pentru cine este cursul
Cursul este pentru cei care știu deja bazele Python și vor să lucreze cu date, de la curățarea unui set de date până la algoritmi de învățare automată. Se potrivește și analiștilor care vor să treacă de la Excel la un instrument de analiză mai puternic.
Pentru cine nu este
Cursul nu este pentru cei fără nicio cunoștință de Python, recomandat mai întâi Curs Python Complet de pe platformă. Nu este potrivit nici pentru cei care vor doar automatizări de business cu inteligență artificială, temă din Curs Inteligență Artificială pentru Business.
Ce trebuie să știți înainte
Aveți nevoie de cunoștințe de bază Python și de un cont Google, gratuit, pentru a folosi Google Colab, unde puteți rula codul fără instalare locală. Un calculator obișnuit este suficient pentru toate exercițiile din curs.
Ce veți putea face după curs
- Curățați și manipulați date cu Pandas.
- Vizualizați date cu Matplotlib și Seaborn.
- Aplicați teste statistice de bază pe un set de date.
- Antrenați un model de clasificare cu scikit-learn.
- Construiți o rețea neuronală simplă cu Keras.
- Interpretați rezultatele unui model de regresie.
Cuprins
1. Introducere în Data Science
- Ce este Data Science? gratuit
- Ecosistemul Python pentru Data Science3 min
- Instalare mediu de lucru3 min
- Cariere în Data Science3 min
2. Jupyter Notebook și Google Colab
- Ce este Jupyter Notebook?3 min
- Shortcut-uri esențiale3 min
- Magic Commands3 min
- Google Colab3 min
3. NumPy - Fundamente
- ndarray - tipul de date central3 min
- Indexare și slicing3 min
- Operații vectorizate3 min
- Broadcasting3 min
4. NumPy - Avansat
- Algebră liniară3 min
- Funcții statistice3 min
- Random și generare date3 min
- Reshape, stacking, splitting3 min
5. Pandas - Fundamente
- Series și DataFrame3 min
- Citire date din diverse surse3 min
- Selecție și indexare3 min
6. Pandas - Manipularea datelor
- Sortare și filtrare3 min
- GroupBy - agregări3 min
- Merge, Join, Concat3 min
- Pivot Table și Crosstab3 min
7. Pandas - Curățarea datelor
- Gestionarea valorilor lipsă3 min
- Duplicatele3 min
- Tipuri de date și conversii3 min
- Outliers - detectare și tratare3 min
- Encodarea variabilelor categoriale3 min
8. Vizualizare cu Matplotlib
- Structura unui grafic3 min
- Tipuri de grafice3 min
- Subplots și stilizare3 min
9. Vizualizare avansată - Seaborn și Plotly
- Seaborn - grafice statistice elegante3 min
- Mai multe grafice Seaborn3 min
- Plotly - grafice interactive3 min
- Bune practici în vizualizare3 min
10. Statistică pentru Data Science
- Distribuții de probabilitate3 min
- Teste statistice3 min
- Corelație3 min
- Intervaluri de încredere3 min
11. Introducere în Machine Learning
- Ce este Machine Learning?3 min
- Workflow Machine Learning3 min
- Bias-Variance Tradeoff3 min
- Primul model ML cu Scikit-learn3 min
12. Pregătirea datelor pentru ML
- Train/Test Split și Cross-Validation3 min
- Feature Engineering3 min
- Scaling și encoding3 min
- Pipeline - flux complet3 min
13. Algoritmi de clasificare
- Logistic Regression3 min
- Decision Trees și Random Forest3 min
- SVM și KNN3 min
- Metrici de clasificare3 min
14. Algoritmi de regresie
- Linear Regression3 min
- Polynomial Regression3 min
- Ridge, Lasso și ElasticNet3 min
- Gradient Boosting3 min
15. Algoritmi de clustering
- K-Means Clustering3 min
- Metoda Elbow - alegerea numărului de clustere3 min
- DBSCAN - clustering bazat pe densitate3 min
- Reducere dimensionalitate - PCA și t-SNE3 min
16. Scikit-learn avansat
- Hyperparameter Tuning - GridSearchCV3 min
- Pipeline avansat3 min
- Ensemble Methods3 min
- Salvare și încărcare modele3 min
17. Introducere în Deep Learning
- Ce sunt rețelele neuronale?3 min
- Perceptronul și funcții de activare3 min
- Backpropagation3 min
- TensorFlow și Keras - Setup3 min
18. Rețele neuronale cu Keras
- Model Sequential - clasificare3 min
- CNN - Clasificare imagini3 min
- RNN/LSTM - Serii temporale3 min
- Transfer Learning3 min
19. Proiecte practice DS/ML
- Proiect 1: Analiză exploratorie - Dataset Titanic3 min
- Proiect 2: Predicție prețuri imobiliare3 min
- Proiect 3: Clasificare text (NLP)3 min
- Proiect 4: Sistem de recomandări3 min
20. Glosar Data Science și resurse
- Glosar de termeni esențiali3 min
- Cheatsheet Pandas3 min
- Cheatsheet Scikit-learn3 min
- Datasets publice recomandate3 min
Cine predă
Dorel Tănase, fondatorul agenției GOAI din Alba Iulia. În mediul online din 1997, în optimizare SEO din 2007. Cursul pornește de la situații întâlnite în lucrul cu clienți din România și este actualizat pe măsură ce uneltele se schimbă. Experiența autorului.
Dorel Tănase, fondatorul agenției GOAI din Alba Iulia. În mediul online din 1997, în optimizare SEO din 2007. Cursul pornește de la situații întâlnite în lucrul cu clienți din România și este actualizat pe măsură ce uneltele se schimbă. Experiența autorului.
Conținut actualizat la
22 august 2026
22 august 2026
Întrebări frecvente despre curs
Ce unelte vă trebuie pentru acest curs?
Aveți nevoie de cunoștințe de bază Python și de un cont Google gratuit pentru Google Colab. Nu este obligatorie instalarea locală a Python, deoarece Colab rulează codul direct din browser.
Cât durează parcurgerea cursului?
Cursul are 79 de lecții și 237 de minute, aproape 4 ore, în 20 de capitole. Structura merge de la NumPy și Pandas până la deep learning cu Keras.
Cursul este actualizat pentru ce biblioteci?
Cursul folosește versiunile actuale ale bibliotecilor NumPy, Pandas și scikit-learn, standardul folosit în prezent pentru data science în Python. Capitolul despre deep learning introduce Keras, biblioteca de rețele neuronale construită peste TensorFlow.
Prin ce diferă acest curs de Curs Inteligență Artificială pentru Business?
Curs Inteligență Artificială pentru Business tratează folosirea uneltelor AI gata construite, fără cod. Acest curs predă construirea propriilor modele de analiză și învățare automată, cu Python.
Articole pe această temă
Cursuri din aceeași categorie
