آموزش پروژه های دنیای واقعی Data Science در پایتون

Data Science Real World Projects in Python

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
توضیحات دوره: 3 مشکل تجاری واقعی را حل کنید. ساخت مدل های قوی AI ، Ml ، NLP و سری های زمانی برای خطوط هوایی ، دامنه امنیتی ..

آنچه خواهید آموخت

  • دست در دست پروژه های دنیای واقعی در زمینه های مختلف علوم داده در یادگیری ماشین ، پردازش زبان طبیعی ، تجزیه و تحلیل سری زمانی
  • مدل های پردازش زبان طبیعی را در قالب احساسات مشتری توسعه دهید
  • مدل های پیش بینی سری زمانی را برای پیش بینی قیمت سهام توسعه دهید
  • آیا می خواهید شغل پردرآمد در Data Science را بدست آورید؟

  • یا شما یک تمرین کننده هوش مصنوعی هستید که می خواهید حرفه خود را به سطح بالاتری برسانید؟

  • یا آیا شما یک دانشمند مشتاق داده هستید که می خواهد دانش عملی و هوش مصنوعی عملی بدست آورد؟


اگر پاسخ هر یک از این سال ها مثبت است ، پس این دوره برای شما مناسب است!

Data Science یکی از داغترین زمینه های فناوری است که در حال حاضر در آن حضور دارد! این رشته با فرصت ها و چشم اندازهای شغلی در حال انفجار است. امروزه Data Science به طور گسترده ای در بسیاری از بخش ها مانند بانکداری ، بهداشت و درمان ، هواپیمایی ، لجستیک و فناوری پذیرفته شده است.

هدف از این دوره این است که دانش شما را از جنبه های اصلی برنامه های علوم داده در تجارت به روشی عملی ، آسان و سرگرم کننده فراهم کند. این دوره با استفاده از مجموعه داده های دنیای واقعی ، تجربه عملی عملی را برای دانشجویان فراهم می کند.


1. وظیفه شماره 1 @ پیش بینی قیمت صنعت هواپیمایی: یک مدل AI برای پیش بینی نرخ بلیط هواپیمایی در مسیرهای مختلف ایجاد کنید.

2. وظیفه شماره 2 @ پیش بینی قدرت گذرواژه: رده کلیدی گذرواژه را قوی ، خوب یا ضعیف پیش بینی کنید.

3. وظیفه شماره 3 @ پیش بینی قیمت سهام: مدل های پیش بینی سری زمانی را برای پیش بینی قیمت سهام آینده تهیه کنید.


چرا باید این دوره را بگذرانید؟

  • پروژه های مربوط به داده های واقعی و مشکلات دنیای واقعی را توضیح می دهد. داده های اسباب بازی وجود ندارد! این ساده ترین روش برای دستیابی به Data Scientist/AI Engineer/ML Engineer

    است
  • این داده های کامل در دنیای واقعی را نشان می دهد و توضیح می دهد. شروع با وارد کردن داده های کثیف ، تمیز کردن داده ها ، ادغام و تلفیق داده ها ، گروه بندی و تجمیع داده ها ، تجزیه و تحلیل داده های اکتشافی تا تهیه و پردازش داده ها برای آمار ، یادگیری ماشین ، سری زمانی NLP و ارائه داده.


  • به شما فرصت های زیادی می دهد تا بتوانید به تنهایی تمرین و کدگذاری کنید. یادگیری با انجام کار.

  • در پروژه های دنیای واقعی ، کدگذاری و جنبه تجاری همه موارد به یک اندازه مهم است. این احتمالاً تنها درسی است که هر دو را تدریس می کند: برنامه نویسی عمیق پایتون و تفکر در تصویر بزرگ مانند اینکه چگونه می توانید به نتیجه برسید

  • رضایت تضمینی: در غیر این صورت ، پول خود را با ضمانت 30 روزه پس گرفتن پول پس بگیرید.







این دوره برای چه کسانی است:

  • کسی که در مورد علوم داده ، هوش مصنوعی ، یادگیری ماشین ، پردازش زبان طبیعی ، تجزیه و تحلیل سری زمان کنجکاو است.

سرفصل ها و درس ها

مقدمه ای بر این دوره Introduction to this course

  • معرفی این دوره Intro to this course

پروژه 1 ->> پیش بینی نرخ بلیط هواپیمایی با استفاده از یادگیری ماشین Project 1-->> Predict Fare of Airlines Tickets using Machine Learning

  • مقدمه ای بر مشکل و مجموعه داده های تجاری Introduction to Business Problem & Dataset

  • مجموعه داده ها و منابع Datasets & Resources

  • درک پیش پردازش داده ها و داده ها Understanding Data & data-preprocessing

  • ویژگی های مشتق شده را از داده استخراج کنید Extract Derived Features from Data

  • پیش پردازش داده ها را انجام دهید Perform Data Pre-processing

  • مدیریت داده های دسته ای و رمزگذاری ویژگی ها Handle Categorical Data & Feature Encoding

  • رمزگذاری برچسب را روی داده انجام دهید Perform Label Encoding on data

  • نحوه مدیریت Outlier در Data How to handle Outliers in Data

  • با استفاده از تکنیک Feature Selection بهترین ویژگی ها را انتخاب کنید Select best Features using Feature Selection Technique

  • شهود پشت جنگل تصادفی قسمت 1 Intuition Behind Random Forest Part-1

  • شهود پشت جنگل تصادفی قسمت 2 Intuition Behind Random Forest Part-2

  • استفاده از جنگل تصادفی بر روی داده ها و پیش بینی های خودکار Applying Random Forest on Data & Automate predictions

  • شهود پشت درخت تصمیم - قسمت 1 Intuition Behind Decision Tree- Part 1

  • شهود پشت درخت تصمیم - قسمت 2 Intuition Behind Decision Tree- Part 2

  • شهود پشت درخت تصمیم - قسمت 3 Intuition Behind Decision Tree- Part 3

  • شهود پشت درخت تصمیم - قسمت 4 Intuition Behind Decision Tree- Part 4

  • شهود پشت درخت تصمیم - قسمت 5 Intuition Behind Decision Tree- Part 5

  • شهود پشت درخت تصمیم - قسمت 6 Intuition Behind Decision Tree- Part 6

  • با چندین الگوریتم بازی کنید و مدل خود را رها کنید Play with multiple Algorithms & dumping your model

  • شهود پشت اعتبار سنجی - قسمت 1 Intuition Behind Cross Validation- Part 1

  • شهود در پشت اعتبار سنجی - قسمت 2 Intuition Behind Cross Validation- Part 2

  • نحوه اعتبار سنجی مدل شما How to Cross Validate your model

پروژه 2 ----->> قدرت رمز عبور را با استفاده از پردازش زبان طبیعی پیش بینی کنید Project 2----->> Predict Password Strength using Natural Language Processing

  • مقدمه ای بر مشکل و مجموعه داده های تجاری Introduction to Business Problem & Dataset

  • مجموعه داده ها و منابع Datasets & Resources

  • کاوش داده های خود Exploring your data

  • شهود پشت TF-IDF - قسمت 1 Intuition behind TF-IDF --part 1

  • شهود پشت TF-IDF - قسمت 2 Intuition behind TF-IDF --part 2

  • TF-IDF را روی داده اعمال کنید Apply TF-IDF on data

  • شهود پشت سر رگرسیون لجستیک - قسمت 1 Intuition behind Logistic Regression --part 1

  • شهود پشت سر رگرسیون لجستیک - قسمت 2 Intuition behind Logistic Regression --part 2

  • رگرسیون لجستیک را روی داده اعمال کنید Apply Logistic Regression on Data

  • بررسی دقت مدل Checking Accuracy of Model

پروژه 3 ->> پیش بینی قیمت سهام با استفاده از تحلیل سری زمانی Project 3-->> Predict Stock Prices using Time Series Analysis

  • مقدمه ای بر مشکل و مجموعه داده های تجاری Introduction to Business Problem & Dataset

  • مجموعه داده ها و منابع Datasets & Resources

  • تجزیه و تحلیل داده های سری زمانی Analyzing Time Series data

  • آماده سازی داده ها برای پیش بینی سری زمانی Data preparation for Time Series Forecasting

  • شهود پشت ARIMA - قسمت 1 Intuition behind ARIMA --part 1

  • شهود پشت مدل MA - ARIMA قسمت 2 Intuition behind MA model --ARIMA part 2

  • شهود پشت مدل AR - ARIMA قسمت 3 Intuition behind AR model -- ARIMA part 3

  • شهود پشت یکپارچه سازی - ARIMA قسمت 4 Intuition behind Integrating -- ARIMA part 4

  • Auto-Arima را روی داده اعمال کنید Apply Auto-Arima on data

  • ارزیابی مدل سری زمانی Evaluating Time Series Model

نمایش نظرات

نظری ارسال نشده است.

آموزش پروژه های دنیای واقعی Data Science در پایتون

این دوره غیر فعال شده است.

جزییات دوره
6h 27m
43
Udemy (یودمی) udemy-small
12 دی 1399 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
6,674
از 5
ندارد
ندارد
ندارد
Shan Singh

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Shan Singh Shan Singh

به طور حرفه ای ، من یک دانشمند داده هستم که دارای 6 سال تجربه در امور مالی ، خرده فروشی و حمل و نقل هستم. از دوره های من بلافاصله متوجه خواهید شد که چگونه تجربه خودم را برای ارائه محتوا به ساده ترین شکل ترکیب می کنم. به طور خلاصه ، من کاملاً علاقه مند به Data Analytics هستم و مشتاقانه منتظر اشتراک دانش خود با شما هستم!

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.