آموزش مبانی پایتون و ضروریات علوم داده - آخرین آپدیت

دانلود Python Fundamentals and Data Science Essentials

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: به‌روزرسانی شده در می ۲۰۲۵. این دوره اکنون دارای قابلیت Coursera Coach است! روشی هوشمندتر برای یادگیری با گفتگوهای تعاملی و آنی که به شما کمک می‌کند دانش خود را بیازمایید، پیش‌فرض‌ها را به چالش بکشید و در حین پیشروی در دوره، درک خود را عمیق‌تر کنید. این دوره با معرفی برنامه‌نویسی پایتون آغاز می‌شود و تمامی موارد از نصب و راه‌اندازی پایتون و آناکوندا تا مفاهیم بنیادی مانند متغیرها، عملیات عددی و منطقی، ساختارهای کنترلی مانند if-else و حلقه‌ها، و تعریف توابع را پوشش می‌دهد. این مسیر با بخش‌های تخصصی در مورد رشته‌ها (Strings) و لیست‌ها ادامه می‌یابد تا درکی استوار از این اجزای اصلی ایجاد شود. پس از تسلط بر مبانی پایتون، تحلیل داده‌ها با استفاده از NumPy و Pandas را بررسی خواهید کرد. شما عملیات آرایه‌ها در NumPy و مدیریت و تحلیل داده‌ها با Pandas، از جمله کار با DataFrameها، اجرای عملیات داده‌ای، ایندکس‌گذاری و ادغام مجموعه‌داده‌ها را خواهید آموخت. این بخش‌ها برای ایجاد یک پایه قوی در دستکاری و تحلیل داده‌ها طراحی شده‌اند که برای هر نقش در علوم داده حیاتی است. دوره با معرفی مفاهیم پایه یادگیری ماشین به اوج خود می‌رسد. شما به بررسی رگرسیون خطی، درک مبانی ریاضی و کاربردهای عملی آن خواهید پرداخت. علاوه بر این، گرادینت دیسنت (Gradient Descent) به عنوان یک تکنیک بهینه‌سازی حیاتی و طبقه‌بندی KNN را به عنوان یکی از ساده‌ترین الگوریتم‌های یادگیری ماشین بررسی می‌کنید. هر موضوع با مطالعات موردی تقویت شده است تا اطمینان حاصل شود که می‌توانید دانش تئوری را در سناریوهای واقعی به کار ببرید. این دوره برای مبتدیان در برنامه‌نویسی و علوم داده ایده‌آل است. هیچ تجربه قبلی در پایتون یا تحلیل داده نیاز نیست، اما داشتن درک پایه از ریاضیات مفید خواهد بود.

سرفصل ها و درس ها

مبانی پایتون Python Fundamentals

  • نصب پایتون و آناکوندا Installation of Python and Anaconda

  • مقدمه‌ای بر پایتون Python Introduction

  • متغیرها در پایتون Variables in Python

  • عملیات عددی در پایتون Numeric Operations in Python

  • عملیات منطقی Logical Operations

  • حلقه If Else If Else Loop

  • حلقه‌های For و While For While Loop

  • توابع Functions

  • رشته‌ها: بخش اول Strings: Part 1

  • رشته‌ها: بخش دوم Strings: Part 2

  • لیست‌ها: بخش اول List: Part 1

  • لیست‌ها: بخش دوم List: Part 2

  • لیست‌ها: بخش سوم List: Part 3

  • لیست‌ها: بخش چهارم List: Part 4

  • تاپل‌ها Tuples

  • مجموعه‌ها Sets

  • دیکشنری‌ها Dictionaries

  • کامپرهنشن (Comprehension) Comprehension

کتابخانه NumPy NumPy

  • مقدمه Introduction

  • عملیات NumPy: بخش اول NumPy Operations: Part 1

  • عملیات NumPy: بخش دوم NumPy Operations: Part 2

کتابخانه Pandas Pandas

  • مقدمه Introduction

  • سری‌ها (Series) Series

  • دیتا فریم (DataFrame) DataFrame

  • عملیات: بخش اول Operations: Part 1

  • عملیات: بخش دوم Operations: Part 2

  • ایندکس‌ها Indexes

  • متدهای loc و iloc loc and iloc

  • خواندن فایل‌های CSV Reading CSV

  • ادغام داده‌ها: بخش اول Merging: Part 1

  • گروه‌بندی (groupby) groupby

  • ادغام داده‌ها: بخش دوم Merging: Part 2

  • جداول محوری (Pivot Tables) Pivot Tables

مباحث کاربردی ریاضی Some Fun with Math

  • جبر خطی: بردارها Linear Algebra: Vectors

  • جبر خطی: ماتریس: بخش اول Linear Algebra: Matrix: Part 1

  • جبر خطی: ماتریس: بخش دوم Linear Algebra: Matrix: Part 2

  • جبر خطی: انتقال از 2D به nD: بخش اول Linear Algebra: Going from 2D to nD: Part 1

  • جبر خطی: انتقال از 2D به nD: بخش دوم Linear Algebra: Going from 2D to nD: Part 2

بصری‌سازی داده‌ها Data Visualization

  • کتابخانه Matplotlib Matplotlib

  • کتابخانه Seaborn Seaborn

  • مطالعه موردی Case Study

  • استفاده از Seaborn برای داده‌های سری زمانی Seaborn on Time Series Data

رگرسیون خطی ساده Simple Linear Regression

  • مقدمه‌ای بر یادگیری ماشین Introduction to Machine Learning

  • انواع یادگیری ماشین Types of Machine Learning

  • مقدمه‌ای بر رگرسیون خطی (LR) Introduction to Linear Regression (LR)

  • رگرسیون خطی چگونه کار می‌کند؟ How LR Works?

  • بررسی ریاضیات پشت رگرسیون خطی Some Fun with Math Behind LR

  • ضریب تعیین (R Square) R Square

  • مطالعه موردی رگرسیون خطی: بخش اول LR Case Study: Part 1

  • مطالعه موردی رگرسیون خطی: بخش دوم LR Case Study: Part 2

  • مطالعه موردی رگرسیون خطی: بخش سوم LR Case Study: Part 3

  • خطای مربع باقی‌مانده (RSE) Residual Square Error (RSE)

گرادینت دیسنت Gradient Descent

  • پیش‌نیازهای گرادینت دیسنت: بخش اول Prerequisite for Gradient Descent: Part 1

  • پیش‌نیازهای گرادینت دیسنت: بخش دوم Prerequisite for Gradient Descent: Part 2

  • توابع هزینه (Cost Functions) Cost Functions

  • تعریف رسمی‌تر توابع هزینه Defining Cost Functions More Formally

  • گرادینت دیسنت Gradient Descent

  • بهینه‌سازی Optimization

  • مقایسه فرم بسته و گرادینت دیسنت Closed Form Versus Gradient Descent

  • مطالعه موردی گرادینت دیسنت Gradient Descent Case Study

طبقه‌بندی: KNN Classification: KNN

  • مقدمه‌ای بر طبقه‌بندی (Classification) Introduction to Classification

  • تعریف ریاضی طبقه‌بندی Defining Classification Mathematically

  • مقدمه‌ای بر KNN Introduction to KNN

  • دقت الگوریتم KNN Accuracy of KNN

  • اثربخشی KNN Effectiveness of KNN

  • معیارهای فاصله Distance Metrics

  • معیارهای فاصله: بخش دوم Distance Metrics: Part 2

  • یافتن مقدار k Finding k

  • استفاده از KNN در رگرسیون KNN on Regression

  • مطالعه موردی Case Study

  • مورد طبقه‌بندی ۱ Classification Case 1

  • مورد طبقه‌بندی ۲ Classification Case 2

  • مورد طبقه‌بندی ۳ Classification Case 3

  • مورد طبقه‌بندی ۴ Classification Case 4

رگرسیون لجستیک Logistic Regression

  • مقدمه Introduction

  • تابع سیگموئید Sigmoid Function

  • لگاریتم شانس (Log Odds) Log Odds

  • مطالعه موردی Case Study

الگوریتم‌های پیشرفته یادگیری ماشین Advanced Machine Learning Algorithms

  • مقدمه Introduction

  • مثال: بخش اول Example: Part 1

  • مثال: بخش دوم Example: Part 2

  • راه حل بهینه Optimal Solution

  • مطالعه موردی Case Study

  • منظم‌سازی (Regularization) Regularization

  • ریج و لاسو (Ridge and Lasso) Ridge and Lasso

  • مطالعه موردی Case Study

  • انتخاب مدل Model Selection

  • R Square تعدیل شده Adjusted R Square

نمایش نظرات

آموزش مبانی پایتون و ضروریات علوم داده
جزییات دوره
16h 24m
88
(آخرین آپدیت)
1,289
- از 5
دارد
دارد
دارد
Chris Croft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده