آموزش یادگیری ماشینی برای مبتدیان مطلق - سطح 2

Machine Learning for Absolute Beginners - Level 2

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: آموزش اصول و کتابخانه Pandas Python برای پروژه‌های علم داده Python برای پروژه‌های علم داده و یادگیری ماشین یادگیری استفاده از کتابخانه علم داده‌های Pandas ابزار توسعه JupyterLab توسعه نوت‌بوک‌های Jupyter بارگیری و تجزیه و تحلیل مجموعه داده‌های جدولی انتخاب، فیلتر کردن، و پاکسازی داده‌ها گروه‌بندی، مرتب‌سازی و صادرات اطلاعات پیش نیازها: هیچ پیش نیاز خاصی برای شروع این آموزش وجود ندارد زیرا برای مبتدیان مطلق طراحی شده است. توصیه می شود با "یادگیری ماشینی برای مبتدیان مطلق - سطح 1" شروع کنید.

************ بازخورد از دانش آموزان *********
چیز زیادی نمی توانم بگویم. این مربی می داند که چگونه به افراد، به ویژه مبتدیان آموزش دهد. یکی از بهترین هایی که تا الان باهاش ​​برخورد کردم! Irlon T.

دوره عالی، به شما امکان می دهد گام به گام پیش بروید و قفسه کتاب را بشناسید، مستقیماً به نقطه ای که از شما برای چنین آموزش خوب عیسی داوود سپاسگزاریم

من در حال حاضر در علم داده تازه کار هستم، زبان پایتون و برنامه نویسی رقابتی را می دانستم بعد از آن منتظر بودم خودم علم داده را یاد بگیرم. این دوره برای من برای یادگیری چیزهای جدید و علم داده و یادگیری ماشین بسیار مفید است. من واقعا منتظر این قسمت جدید (سطح 3) هستم. Animesh K.

یک دوره آموزشی فوق العاده برای دریافت دانش عمیق پانداها همراه با برنامه های کاربردی ML. این چیزی است که من به دنبال آن هستم. بهتر است چند سوال مسابقه بیشتری داشته باشد تا مهارت و درک ما را محک بزند. بسیار لذت برد. انشیکا ورما

********************************************

قدرت ML را آزاد کنید

یادگیری ماشینی یکی از مهیج ترین زمینه ها در صنعت فناوری پیشرفته است که در کاربردهای مختلف شتاب بیشتری می گیرد. شرکت‌ها به دنبال دانشمندان داده، مهندسان داده، و کارشناسان ML هستند تا محصولات، ویژگی‌ها و پروژه‌هایی را توسعه دهند که به آنها در آزادسازی قدرت یادگیری ماشین کمک کند. در نتیجه، یک دانشمند داده یکی از ده شغل برتر در سراسر جهان است!

یادگیری ماشینی برای مبتدیان مطلق

برنامه آموزشی "یادگیری ماشین برای مبتدیان مطلق" برای مبتدیانی طراحی شده است که به دنبال درک جنبه نظری یادگیری ماشین و ورود به جنبه عملی علم داده هستند. آموزش به سطوح مختلف تقسیم می شود و هر سطح گروهی از موضوعات مرتبط را برای یادگیری گام به گام مستمر پوشش می دهد.

سطح 2 - پایتون و پانداها

دوره دوم، به عنوان بخشی از برنامه آموزشی، به شما کمک می کند تا سفر عملی خود را شروع کنید. شما اصول پایتون و کتابخانه علوم داده شگفت انگیز پانداها را یاد خواهید گرفت، از جمله:

  • سینتکس پایتون برای توسعه پروژه های علم داده

  • استفاده از ابزار JupyterLab برای نوت‌بوک‌های مشتری

  • بارگیری مجموعه داده های بزرگ از فایل ها با استفاده از پاندا

  • تحلیل و کاوش داده ها را انجام دهید

  • قبل از رفتن به الگوریتم‌های یادگیری ماشین، پاکسازی و تبدیل داده‌ها را به عنوان مرحله پیش پردازش انجام دهید.

هر بخش دارای یک تمرین خلاصه و همچنین یک راه حل کامل برای تمرین دانش جدید است.

بازی تازه شروع شده است!

در برنامه آموزشی ثبت نام کنید و سفر خود را برای تبدیل شدن به یک دانشمند داده آغاز کنید!


سرفصل ها و درس ها

شروع کار با سطح 2! Getting Started with Level 2!

  • خوش آمدی! Welcome!

  • نصب آناکوندا Anaconda Installation

  • نصب آناکوندا Anaconda Installation

  • بررسی اجمالی JupyterLab JupyterLab Overview

  • کار با نوت بوک Jupyter Working with a Jupyter Notebook

شروع کار با سطح 2! Getting Started with Level 2!

  • خوش آمدی! Welcome!

  • بررسی اجمالی JupyterLab JupyterLab Overview

  • کار با نوت بوک Jupyter Working with a Jupyter Notebook

اصول پایتون برای علم داده Python Fundamentals for Data Science

  • بررسی اجمالی Overview

  • متغیرها و انواع داده ها Variables and Data Types

  • متغیرها و انواع داده ها Variables and Data Types

  • رشته های Strings

  • رشته های Strings

  • لیست ها Lists

  • لیست ها Lists

  • بیانیه های IF و For-Loop IF and For-Loop Statements

  • کارکرد Functions

  • لغت نامه ها Dictionaries

  • کلاس ها، اشیاء، ویژگی ها و روش ها Classes, Objects, Attributes, and Methods

  • وارد کردن ماژول ها Importing Modules

  • وارد کردن ماژول ها Importing Modules

  • کتابخانه ها برای پروژه های علم داده Libraries for Data Science Projects

  • کتابخانه ها برای پروژه های علم داده Libraries for Data Science Projects

  • تمرین شماره 1 - اصول پایتون Exercise #1 - Python Fundamentals

اصول پایتون برای علم داده Python Fundamentals for Data Science

  • بررسی اجمالی Overview

  • بیانیه های IF و For-Loop IF and For-Loop Statements

  • کارکرد Functions

  • لغت نامه ها Dictionaries

  • کلاس ها، اشیاء، ویژگی ها و روش ها Classes, Objects, Attributes, and Methods

  • تمرین شماره 1 - اصول پایتون Exercise #1 - Python Fundamentals

آشنایی با کتابخانه پانداها Introduction to the Pandas Library

  • بررسی اجمالی Overview

  • ساختار داده سری (1D) Series Data Structure (1D)

  • ساختار داده سری (1D) Series Data Structure (1D)

  • ساختار داده DataFrame (2D) DataFrame Data Structure (2D)

  • ساختار داده DataFrame (2D) DataFrame Data Structure (2D)

  • انتخاب داده در یک DataFrame Data Selection in a DataFrame

  • تمرین شماره 2 - سری پانداها و دیتا فریم Exercise #2 – Pandas Series and DataFrame

  • تمرین شماره 2 - سری پانداها و دیتا فریم Exercise #2 – Pandas Series and DataFrame

آشنایی با کتابخانه پانداها Introduction to the Pandas Library

  • بررسی اجمالی Overview

  • انتخاب داده در یک DataFrame Data Selection in a DataFrame

بارگذاری داده ها در یک DataFrame Loading Data into a DataFrame

  • بررسی اجمالی Overview

  • کاگل و مجموعه داده تایتانیک Kaggle and the Titanic Dataset

  • کاگل و مجموعه داده تایتانیک Kaggle and the Titanic Dataset

  • بارگیری یک فایل داده جدولی Loading a Tabular Data File

  • بارگیری یک فایل داده جدولی Loading a Tabular Data File

  • تنظیم پارامترهای بارگذاری Adjusting the Loading Parameters

  • پیش نمایش DataFrame Preview the DataFrame

  • استفاده از آمار خلاصه Using Summary Statistics

  • استفاده از آمار خلاصه Using Summary Statistics

  • مفهوم روش های زنجیره ای The Concept of Methods Chaining

  • مرتب سازی و رتبه بندی Sorting and Ranking

  • مرتب سازی و رتبه بندی Sorting and Ranking

  • فیلتر کردن Filtering

  • فیلتر کردن Filtering

  • گروه بندی Grouping

  • تمرین شماره 3 - بارگذاری و تجزیه و تحلیل داده ها Exercise #3 – Data Loading and Analysis

  • تمرین شماره 3 - بارگذاری و تجزیه و تحلیل داده ها Exercise #3 – Data Loading and Analysis

بارگذاری داده ها در یک DataFrame Loading Data into a DataFrame

  • بررسی اجمالی Overview

  • تنظیم پارامترهای بارگذاری Adjusting the Loading Parameters

  • پیش نمایش DataFrame Preview the DataFrame

  • مفهوم روش های زنجیره ای The Concept of Methods Chaining

  • گروه بندی Grouping

پاکسازی و تبدیل داده ها Data Cleaning and Transformation

  • بررسی اجمالی Overview

  • حذف ستون ها یا ردیف ها Removing Columns or Rows

  • حذف ردیف های تکراری Removing Duplicate Rows

  • حذف ردیف های تکراری Removing Duplicate Rows

  • تغییر نام برچسب های ستون Renaming Column Labels

  • تغییر نام برچسب های ستون Renaming Column Labels

  • حذف مقادیر از دست رفته Dropping Missing Values

  • پر کردن مقادیر از دست رفته Filling-in Missing Values

  • ایجاد متغیرهای ساختگی Creating Dummy Variables

  • صادرات داده ها به فایل ها Exporting Data into Files

  • صادرات داده ها به فایل ها Exporting Data into Files

  • تمرین شماره 4 - پاکسازی و تبدیل داده ها Exercise #4 – Data Cleaning and Transformation

  • تمرین شماره 4 - پاکسازی و تبدیل داده ها Exercise #4 – Data Cleaning and Transformation

پاکسازی و تبدیل داده ها Data Cleaning and Transformation

  • بررسی اجمالی Overview

  • حذف ستون ها یا ردیف ها Removing Columns or Rows

  • حذف مقادیر از دست رفته Dropping Missing Values

  • پر کردن مقادیر از دست رفته Filling-in Missing Values

  • ایجاد متغیرهای ساختگی Creating Dummy Variables

خلاصه دوره Course Summary

  • بیایید خلاصه کنیم و از شما تشکر کنیم! Let's Recap and Thank You!

  • بیایید خلاصه کنیم و از شما تشکر کنیم! Let's Recap and Thank You!

  • *** جایزه *** *** BONUS ***

  • *** جایزه *** *** BONUS ***

خلاصه دوره Course Summary

نمایش نظرات

آموزش یادگیری ماشینی برای مبتدیان مطلق - سطح 2
جزییات دوره
4 hours
42
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
21,940
4.1 از 5
دارد
دارد
دارد
Idan Gabrieli
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Idan Gabrieli Idan Gabrieli

معلم آنلاین | ابر، داده، هوش مصنوعی