CompTIA DataAI

Matematika a štatistika

Štatistické metódy:

• aplikácia t-testov, chí-kvadrát testov, analýzy rozptylu (ANOVA), testovanie hypotéz, regresných metrík, Giniho indexu, entropie, p-hodnôt, ROC krivky a plochy pod krivkou (ROC/AUC), Akaikeho informačného kritéria / Bayesovského informačného kritéria (AIC/BIC) a konfúznej matice.

Pravdepodobnosť a modelovanie:

• vysvetlenie rozdelení, šikmosti, špičatosti (kurtózy), heteroskedasticity, hustoty pravdepodobnosti (PDF), pravdepodobnostnej hmotnostnej funkcie (PMF), distribučnoj funkcie (CDF), chýbajúcich hodnôt, oversamplingu a stratifikácie.

Lineárna algebra a kalkulus:

• porozumenie hodnosti matice (rank), vlastným číslam (eigenvalues), maticovým operáciám, metrikám vzdialenosti, parciálnym deriváciám, reťazovému pravidlu a logaritmom.

Časové modely:

• porovnávanie časových radov, analýza prežitia a kauzálna inferencia.

Modelovanie, analýza a výsledky

Metódy EDA:

• využívanie techník exploratívnej analýzy dát (EDA), ako je univariantná a multivariantná analýza, grafy, vizualizácie a identifikácia príznakov (feature identification).

Problémy s dátami:

• analýza riedkych dát, nelineárnosti, sezónnosti, granularite a odľahlých hodnôt.

Obohacovanie dát:

• aplikácia feature engineeringu, škálovanie, geokódovanie a transformácia dát.

Iterácia modelu:

• návrh, hodnotenie, výber a validácia modelu.

Komunikácia výsledkov:

• tvorba vizualizácií, výber relevantných dát, vyhýbanie sa zavádzajúcim grafom a zabezpečenie prístupnosti.

Strojové učenie

Základné koncepty:

• aplikácia stratových funkcií, kompromisu bias-variance, regularizácie, krížovej validácie, ansámblových modelov, ladenia hyperparametrov a prevencie úniku dát (data leakage).

Učenie s učiteľom:

• aplikácia lineárnej regresie, logistickej regresie, k-najbližších susedov (KNN), naivného Bayesa a asociačných pravidiel.

Stromové modely:

• aplikácia rozhodovacích stromov, náhodného lesa (random forest), boostingu a bootstrap agregácie (bagging).

Hlboké učenie:

• vysvetlenie umelých neurónových sietí (ANN), dropout, batch normalizácie, backpropagation a frameworkov pre hlboké učenie.

Učenie bez učiteľa:

• vysvetlenie shlukovania (clustering), redukcie dimenzionality a singulárneho rozkladu (SVD).

Prevádzka a procesy

Podnikové funkcie:

• vysvetlenie compliance (súladu s predpismi), kľúčových ukazovateľov výkonnosti (KPI) a zberu požiadaviek.

Typy dát:

• vysvetlenie generovaných, syntetických a verejných dát.

Príjem dát (data ingestion):

• porozumenie dátovým pipeline, streamovaniu, dávkovému spracovaniu a dátovej línii (data lineage).

Príprava dát (data wrangling):

• implementácia čistenia, zlučovania, imputácie a označovania referenčných dát (ground truth).

Životný cyklus dátovej vedy:

• aplikácia workflow modelov, verzovania, princípov čistého kódu a jednotkových testov.

DevOps a MLOps:

• vysvetlenie kontinuálnej integrácie / kontinuálneho nasadzovania (CI/CD), nasadenia modelov, orchestrácie kontajnerov a monitorovania výkonu.

Prostredia nasadenia:

• porovnanie kontajnerizácie, cloudového, hybridného, edge a on-premises nasadenia.

Špecializované aplikácie dátovej vedy

Optimalizácia:

• porovnanie optimalizácie s obmedzeniami a bez obmedzení.

Koncepty NLP:

• vysvetlenie techník spracovania prirodzeného jazyka (NLP), ako je tokenizácia, embeddingy, TF-IDF (term frequency–inverse document frequency), modelovanie tém a aplikácie NLP.

Počítačové videnie:

• vysvetlenie optického rozpoznávania znakov (OCR), detekcie objektov, sledovania objektov a augmentácie dát.

Ďalšie aplikácie:

• vysvetlenie grafovej analýzy, posilneného učenia (reinforcement learning), detekcie podvodov, detekcie anomálií, spracovania signálu a ďalších oblastí.