آموزش 2023 کلاس کارشناسی ارشد در علم داده با استفاده از Python A-Z™: برای ML

2023 Master class on Data Science using Python A-Z™ : for ML

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
توضیحات دوره: Python NumPy، Pandas، Matplotlib و Seaborn برای تجزیه و تحلیل داده، علم داده و ML. تجزیه و تحلیل یادگیری قبل از ماشین دانش‌آموزان نحوه ایجاد و دستکاری آرایه‌ها، انجام عملیات ریاضی روی آرایه‌ها و استفاده از توابعی مانند مرتب‌سازی، جستجو و آمار را یاد خواهند گرفت. دانش‌آموزان یاد خواهند گرفت که چگونه نمودارها و نمودارها را ایجاد کنند، ظاهر تجسم‌ها را سفارشی کنند، و حاشیه‌نویسی و برچسب‌ها را اضافه کنند. NumPy، Pandas، و Matplotlib به طور معمول به دانش آموزان آموزش می دهند که چگونه از این ابزارها برای تجزیه و تحلیل و تجسم داده ها استفاده کنند. پیش نیازها: دانش اندک در پایتون یک مزیت خواهد بود. اگر تازه وارد پایتون هستید، نگران نباشید، همچنان می توانید اصول اولیه پایتون را از بخش BONUS این دوره بیاموزید.

به کلاس کارشناسی ارشد 2023 در علم داده با استفاده از پایتون خوش آمدید.

NumPy یک کتابخانه محاسباتی علمی پیشرو در پایتون است در حالی که Pandas برای دستکاری و تجزیه و تحلیل داده ها است. همچنین، یاد بگیرید که از Matplotlib برای تجسم داده ها استفاده کنید. چه بخواهید وارد علوم داده شوید، چه در یادگیری ماشینی یا یادگیری عمیق، NumPy و Pandas برترین ماژول‌های پایتون هستند که باید آن‌ها را بدانید تا سفر را برای شما راحت کنند. در این دوره، ما قصد داریم از مبانی Python NumPy و Pandas شروع کنیم تا NumPy و Pandas پیشرفته را شروع کنیم. این دوره به شما درک کاملی از NumPy، پانداها و عملکرد آنها می دهد.

در پایان دوره، باید بتوانید آرایه های پیچیده برای پروژه های واقعی بنویسید، داده های دنیای واقعی را با استفاده از پانداها دستکاری و تجزیه و تحلیل کنید.


این دوره برای چه کسانی است؟

√ اگر می‌خواهید در NumPy، پانداها و تجسم داده‌ها تسلط داشته باشید، این دوره برای شما مناسب است.

√ اگر می‌خواهید برنامه‌های دنیای واقعی را با استفاده از NumPy یا Panda بسازید و آنها را با Matplotlib و Seaborn تجسم کنید، این دوره برای شما مناسب است.

√ اگر می خواهید NumPy، Pandas، Matplotlib و Seaborn را برای اولین بار یاد بگیرید یا دانش عمیق تری در مورد NumPy و Pandas کسب کنید تا بهره وری خود را با یادگیری عمیق و ماشینی افزایش دهید، این دوره برای شما مناسب است.

√ اگر از زبان های برنامه نویسی دیگری می آیید و می خواهید Python NumPy و Pandas را سریع یاد بگیرید و آن را به خوبی بدانید، این دوره برای شما مناسب است.

√ اگر از دوره های NumPy، Pandas، Matplotlib و Seaborn که خیلی کوتاه، خیلی ساده یا خیلی پیچیده هستند، خسته شده اید، این دوره برای شما مناسب است.

√ اگر دانش لازم برای درک علم داده و یادگیری ماشین با استفاده از NumPy و Pandas را دارید، این دوره برای شما مناسب است.

√ اگر می‌خواهید NumPy و Pandas را با انجام چالش‌های زندگی واقعی هیجان‌انگیز بیاموزید، این دوره برای شما مناسب است.

√ اگر قصد دارید به زودی در مصاحبه شرکت کنید، این دوره برای شما مناسب است.


سرفصل ها و درس ها

جایزه: دوره سقوط پایتون BONUS : Python Crash Course

  • متغیرها در پایتون Variables in Python

  • بیانیه شرط و اگر Conditionals & If statement

  • مثال برای عبارت If Example for If statement

  • اگر غیر از بیانیه If else statement

  • مثالی از عبارت If else Example of If else statement

  • عبارت Nested If Nested If statement

  • مثال برای دستور Nested If Example for Nested If statement

  • بیانیه الیف Elif statement

  • مثال برای عبارت Elif Example for Elif statement

  • در حالی که حلقه While loop

  • مثال حلقه while Example of while loop

  • برای حلقه For Loop

  • مثال For Loop Example of For Loop

  • بیانیه Break & Continue Break & Continue Statement

  • آشنایی با کانتینرها Introduction to containers

  • ایجاد و دسترسی به لیست ها در پایتون Creating and accessing lists in Python

  • فهرست بندی و برش فهرست List indexing and slicing

  • کار با متدهای لیست Working with List methods

  • کار با اپراتورها در لیست ها Working with operators on lists

  • درک لیست List Comprehension

  • تاپل: تعریف Tuple : definition

  • تاپل ها Tuples

  • نمایه سازی و برش چندگانه Tuple Indexing & Slicing

  • دستکاری تاپل ها Manipulating Tuples

  • باز کردن تاپل ها Unpacking Tuples

  • مجموعه ها Sets

  • لغت نامه ها Dictionaries

  • مبانی فرهنگ لغت Basics of dictionary

  • دسترسی به فرهنگ لغت Accessing dictionary

  • توابع len، str & type در فرهنگ لغت len, str & type functions in dictionary

  • توابع در پایتون Functions in python

  • مثال برنامه 1 در توابع Example program1 on Functions

  • مثال برنامه 2 در توابع Example program2 on functions

مدیریت داده ها با استفاده از Numpy Data Handling using Numpy

  • آشنایی با ماژول ها در پایتون Introduction to modules in python

  • ایجاد و نمایش آرایه 1 بعدی Creating & Displaying 1D array

  • درک شاخص آرایه 1 بعدی Understanding 1D array Index

  • ایجاد آرایه 0 و آرایه 1 Creating Array of 0's and Array of 1's

  • مرتب سازی عناصر در آرایه 1 بعدی Sorting elements in 1D array

  • برش یک آرایه 1 بعدی Slicing a 1D array

  • عملیات ریاضی روی آرایه Mathematical Operations on Array

  • جستجوی یک عنصر در یک آرایه Searching an element in a Array

  • فیلتر کردن یک آرایه Filtering an array

  • بررسی می کنید که آیا آرایه داده شده خالی است یا خیر؟ Checking whether given array is empty or not ?

  • ایجاد و نمایش آرایه دو بعدی Creating & Displaying 2D array

  • صفت ndim ndim Attribute

  • ویژگی اندازه Size Attribute

  • شکل و تغییر شکل آرایه Shape and reshape of array

  • ایجاد یک ماتریس هویت Creating an Identity Matrix

  • arange() arange()

  • linspace() linspace()

  • آرایه تصادفی Random array

  • ماتریس تصادفی Random matrix

  • ایجاد یک ماتریس مورب Creating a diagonal matrix

  • یک ماتریس را صاف کنید Flatten a Matrix

  • محاسبه ردیابی یک ماتریس Computing Trace of a Matrix

  • یافتن جابجایی یک ماتریس Finding Transpose of a Matrix

  • نمایه سازی منفی برای دسترسی به عناصر در یک آرایه دو بعدی Negative indexing to access elements in a 2D array

مدیریت داده ها با استفاده از پانداها Data Handling using Pandas

  • آشنایی با پانداها Introduction to Pandas

  • کار با سریال در پانداها Working with series in Pandas

  • ترکیب سریال با Numpy Combining series with Numpy

  • پیدا کردن تعداد عناصر در یک سری Finding number of elements in a series

  • محاسبه میانگین، حداکثر و حداقل در یک سری Computing mean, max and min in a series

  • مرتب سازی یک سری Sorting a Series

  • نمایش مقادیر منحصر به فرد در یک سری Displaying Unique values in a Series

  • خلاصه آمار سری Summary of series statistics

  • ایجاد DataFrame از سری Creating DataFrame From Series

  • ایجاد DataFrame از لیست دیکشنری ها Creating DataFrame from List of Dictionaries

  • دسترسی به قاب داده با استفاده از سطر و ستون. Data Frame access using row-wise and column-wise.

  • اضافه کردن، تغییر نام و حذف ستون ها در یک قاب داده Add, Rename and Delete Columns in a Data Frame

  • حذف سطرها و col ها با استفاده از drop() Deleting rows and cols using drop()

  • نمایه سازی بولی در DataFrames Boolean Indexing in DataFrames

  • الحاق DataFrames Concatenating DataFrames

تجسم داده ها با استفاده از Matplotlib در پایتون Data Visualization using Matplotlib in Python

  • مقدمه ای بر Matplotlib Introduction to Matplotlib

  • ایجاد نمودار خطی Creating Line Graph

  • ایجاد نمودار نواری Creating Bar Graph

  • ایجاد نمودار پراکندگی Creating Scatter Graph

  • ایجاد نمودار هیستوگرام Creating Histogram Graph

  • ایجاد نمودار دایره ای Creating Pie Chart

  • ایجاد طرح سه بعدی Creating 3D Plot

  • ایجاد نمودار خطی سه بعدی Creating 3D Line graph

تجسم داده ها با استفاده از Seaborn در پایتون Data Visualization using Seaborn in Python

  • آشنایی با مجموعه داده های نمونه (قابل دانلود) Understanding a sample Dataset (Downloadable)

  • معرفی Seaborn Introduction to Seaborn

  • طرح ازدحام Swarm Plot

  • طرح ویولن Violin Plot

  • شبکه های وجهی Facet Grids

  • نقشه حرارت Heatmap

تکالیف حل مسئله Problem Solving Assignments

  • بیان مسأله Problem Statement

  • بیان مسأله Problem Statement

  • بیان مسأله Problem Statement

  • بیان مسأله Problem Statement

  • بیان مسأله Problem Statement

پروژه ها Projects

  • تجزیه و تحلیل مجموعه داده های خطوط هوایی Airline Dataset Analysis

نمایش نظرات

نظری ارسال نشده است.

آموزش 2023 کلاس کارشناسی ارشد در علم داده با استفاده از Python A-Z™: برای ML
خرید اشتراک و دانلود خرید تکی و دانلود | 160,000 تومان (5 روز مهلت دانلود) زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
6 hours
86
Udemy (یودمی) udemy-small
30 فروردین 1402 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
4,123
4.8 از 5
دارد
دارد
دارد

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Surendra Varma Surendra Varma

بهترین مربی

نام مربی Surendra varma است.

او برنده جایزه بهترین معلم است.

او برنده جایزه Young Achiever است.

او دارای مدرک کارشناسی در رشته علوم کامپیوتر مدرک کارشناسی ارشد در علوم کامپیوتر است. او سخت‌ترین امتحان‌های علوم کامپیوتر مانند GATE UGC-NET را با رنگ‌های درخشان پشت سر گذاشت. همچنین، او در دوره کارشناسی ارشد یک دانشگاه برتر است.

او در حال حاضر در حال تحصیل در مقطع دکترا از معتبرترین دانشگاه جهان موسسه علوم هند (IISC)، بنگلور است.

او با شرکت های مختلف EdTech در هند از جمله Great Learning کار کرد. او همیشه بهترین بازخورد را از دانش آموزانش دریافت می کرد.

او 14+ سال تجربه در تدریس/تحقیق/صنعت دارد.

او در نقش‌های مختلفی مانند مهندس نرم‌افزار، دانشیار، محقق، مربی فنی، مربی فنی ارشد، رئیس فنی، رئیس آکادمیک کار کرد.

او بیش از 1,00,000 دانش آموز را در حرفه خود تربیت کرده است. شاگردان سابق او در حال حاضر در MNC مانند Amazon، Infosys، Wipro، TCS، CTS، Accenture و غیره مشغول به کار هستند.

او سخنرانی‌های مهمان در دانشگاه‌ها/کالج‌های برتر هند مانند IIIT s، دانشگاه SRM، VIT و غیره داشته است.

او به دانشجویان کشورهای مختلف مانند هند، ایالات متحده آمریکا، کانادا، امارات، استرالیا، بریتانیا، آلمان و غیره آموزش آنلاین داده است.

او در رتبه بندی 5% برتر در شکستن ارزیابی کدنویسی آمازون قرار گرفت.

شاگردان او در 150 کشورهای مختلف پراکنده هستند.

Udemy (یودمی)

یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.

یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.