لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش تکنیک های تحلیل داده های اکتشافی در پایتون
Exploratory Data Analysis Techniques in Python
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
تجزیه و تحلیل داده های اکتشافی (EDA) بسیار مهم است زیرا به کشف الگوهای اساسی، تشخیص ناهنجاری ها و آزمون فرضیه ها در مجموعه داده ها کمک می کند. این یک پایه قوی برای یادگیری ماشین و هوش مصنوعی فراهم می کند.
در این دوره، تکنیکهای تحلیل دادههای اکتشافی در پایتون، روشها و تکنیکهای مختلفی را برای آزمایش دادههای خود با استفاده از پایتون خواهید آموخت.
ابتدا با استفاده از کتابخانههای پایتون مانند Matplotlib و Seaborn، تکنیکهای کاوش بصری و ترسیم مانند نمودارهای خطی، نمودارهای میلهای، هیستوگرامها و نقشههای حرارتی را بررسی خواهید کرد. همچنین با روشهای خوشهبندی بصری مانند K-means و خوشهبندی سلسله مراتبی آشنا خواهید شد.
در مرحله بعد، با استفاده از Python's SciPy و Matplotlib به تجسم توزیع های مختلف داده، از جمله نرمال و پواسون، پرداخته و سپس تکنیک های اکتشافی کمی پیشرفته مانند Median Polish و Ordination را یاد خواهید گرفت.
در نهایت، با خلاصه کردن دادهها با استفاده از تکنیکهای آمار توصیفی و تسلط بر روشهای نمونهگیری در پایتون آشنا میشوید، و همچنین همبستگی را در علم داده، پوشش ضرایب مختلف همبستگی، محاسبه، تفسیر و تجسم آنها با کتابخانههای پایتون مانند پانداها و Seaborn را بررسی میکنید.
پس از اتمام این دوره، مهارت ها و دانش لازم برای EDA با استفاده از پایتون را به دست خواهید آورد.
سرفصل ها و درس ها
بررسی اجمالی دوره
Course Overview
بررسی اجمالی دوره
Course Overview
بینش داده ها با استفاده از تکنیک های تجسم
Data Insights Using Visualization Techniques
مقدمه ای بر تکنیک های اکتشافی بصری در علم داده
Introduction to Visual Exploratory Techniques in Data Science
ترسیم داده ها
Data Plotting
بررسی تکنیکهای خوشهبندی بصری
Exploring Visual Clustering Techniques
روش های کمی برای EDA
Quantitative Methods for EDA
تحلیل مقایسه ای انواع توزیع در EDA
Comparative Analysis of Distribution Types in EDA
درک توزیع در علم داده
Understanding Distributions in Data Science
کاوش تکنیک های اکتشافی کمی در EDA
Exploring Quantitative Exploratory Techniques in EDA
خلاصه سازی، نمونه گیری و همبستگی
Summarization, Sampling, and Correlation
جمع بندی داده ها با تکنیک های توصیفی
Summarizing Data with Descriptive Techniques
تسلط بر تکنیک های نمونه گیری در تجزیه و تحلیل داده ها
Mastering Sampling Techniques in Data Analysis
بررسی همبستگی در علم داده
Exploring Correlation in Data Science
نمایش نظرات
Pluralsight (پلورال سایت)
Pluralsight یکی از پرطرفدارترین پلتفرمهای آموزش آنلاین است که به میلیونها کاربر در سراسر جهان کمک میکند تا مهارتهای خود را توسعه دهند و به روز رسانی کنند. این پلتفرم دورههای آموزشی در زمینههای فناوری اطلاعات، توسعه نرمافزار، طراحی وب، مدیریت پروژه، و موضوعات مختلف دیگر را ارائه میدهد.
یکی از ویژگیهای برجسته Pluralsight، محتوای بروز و با کیفیت آموزشی آن است. این پلتفرم با همکاری با توسعهدهندگان و کارشناسان معتبر، دورههایی را ارائه میدهد که با توجه به تغییرات روزافزون در صنعت فناوری، کاربران را در جریان آخرین مفاهیم و تکنولوژیها نگه میدارد. این امر به کاربران این اطمینان را میدهد که دورههایی که در Pluralsight میپذیرند، با جدیدترین دانشها و تجارب به روز شدهاند.
تام تاولی نویسنده توسعهی فریم اصلی مدرن: COBOL، پایگاههای داده و رویکردهای نسل بعدی (O'Reilly Media - amzn.to/3EJxDhe) و کتاب راهنمای اتوماسیون فرآیند رباتیک: راهنمای پیادهسازی سیستمهای RPA (http://amzn) است. .to/2tURWJx). او از دوران دبیرستان، زمانی که برنامه های کامپیوتری را برای مجلات می نوشت، برنامه نویسی می کرد (بله، در دهه 1980، نشریاتی بودند که فهرست کد داشتند!). وقتی وارد کالج شد، شرکتی راه اندازی کرد که نرم افزار ویندوز را برای آمادگی امتحان می فروخت. او سپس شرکتهای دیگری مانند Hypermart.net را تأسیس کرد - که نسخه اواسط دهه 1990 Shopify بود - که به InfoSpace.com فروخته شد. در طول مسیر،
نمایش نظرات