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

تکنیک های تحلیل داده های اکتشافی در پایتون
جزییات دوره
47m
10
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
از 5
دارد
دارد
دارد
Tom Taulli
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Tom Taulli Tom Taulli

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،