آموزش آماده‌سازی و تحلیل داده‌ها - آخرین آپدیت

دانلود Data Preparation and Analysis

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: این دوره مفاهیم ضروری و تکنیک‌های رایج برای تحلیل داده‌ها را معرفی می‌کند. تأکید اصلی بر فرآیند تحلیل داده است، شامل آماده‌سازی داده‌ها، تحلیل‌های توصیفی، آموزش مدل و تفسیر نتایج. این فرآیند با حذف نویزها و داده‌های پرت آغاز شده و با کشف بینش‌ها، تدوین فرضیات، اعتبارسنجی شواهد و در نهایت ساخت راهکارهای حرفه‌ای ادامه می‌یابد. پیروی صحیح، منظم و شفاف از این فرآیند، اعتبار نتایج را افزایش داده و تأثیرگذاری آن‌ها را بیشتر می‌کند. مباحث این دوره شامل تحلیل اکتشافی داده‌ها (EDA)، غربالگری ویژگی‌ها، بخش‌بندی (Segmentation)، قوانین انجمنی، نزدیک‌ترین همسایه‌ها، خوشه‌بندی، درخت تصمیم، رگرسیون خطی، رگرسیون لجستیک و ارزیابی عملکرد است. علاوه بر این، در صورت نیاز، تئوری‌های آماری، جبر ماتریسی و تکنیک‌های محاسباتی مورد بررسی قرار خواهند گرفت. این دوره دانشجویان را برای پیمودن فرآیند آماده‌سازی و تحلیل داده‌ها آماده و توانمند می‌سازد. علاوه بر توسعه کدهای پایتون برای اجرای این فرآیند، دانشجویان یاد می‌گیرند که ابزارهای نرم‌افزاری را برای کارآمدترین پیاده‌سازی و بهینه‌ترین عملکرد تنظیم کنند. در پایان این دوره، دانشجویان مجموعه‌ای از کدهای تحلیل داده را ایجاد کرده و اعتماد به نفس لازم برای ارائه پیشنهادات خود به ذینفعان کسب‌وکار را کسب خواهند کرد. کتاب درسی مورد نیاز: این دوره به دلیل جامع بودن جزوات آموزشی، نیازی به کتاب درسی خاصی ندارد. منابع اختیاری: راهنمای کاربردی یادگیری ماشین (PGML) نیازمندی‌های نرم‌افزاری: پایتون نسخه 3.11 یا بالاتر به همراه آخرین نسخه‌های سازگار از کتابخانه‌های NumPy، SciPy، Pandas، Scikit-learn و Statsmodels. برای موفقیت در این دوره، یادگیرندگان باید دانش پایه‌ای در جبر خطی و آمار، تئوری مجموعه‌ها و احتمال داشته باشند و با مفاهیم اولیه پایتون و SQL آشنا باشند. دوره‌هایی مانند مقدمه‌ای بر پایگاه داده‌های رابطه‌ای، طراحی پایگاه داده رابطه‌ای و پیاده‌سازی و کاربردهای پایگاه داده رابطه‌ای می‌تواند در کسب دانش لازم کمک کند.

سرفصل ها و درس ها

پودمان ۱: فرآیند آماده‌سازی و تحلیل داده‌ها Module 1: Process of Preparing and Analyzing Data

  • مرور کلی دوره Course Overview

  • معرفی مدرس Instructor Introduction

  • مقدمه پودمان ۱ Module 1 Introduction

  • چرا داده‌ها را تحلیل می‌کنیم؟ Why Do We Analyze Data

  • فرآیند تحلیل داده‌ها - بخش اول The Process of Data Analysis - Part 1

  • فرآیند تحلیل داده‌ها - بخش دوم The Process of Data Analysis - Part 2

  • اولین گام در شناخت داده‌ها - بخش اول The First Step of Knowing Your Data - Part 1

  • اولین گام در شناخت داده‌ها - بخش دوم The First Step of Knowing Your Data - Part 2

  • اولین گام در شناخت داده‌ها - بخش سوم The First Step of Knowing Your Data - Part 3

  • اولین گام در شناخت داده‌ها - بخش چهارم The First Step of Knowing Your Data - Part 4

پودمان ۲: اندازه‌گیری و بصری‌سازی همبستگی Module 2: Measure and Visualize Correlation

  • مقدمه پودمان ۲ Module 2 Introduction

  • کشف و اندازه‌گیری انجمن‌ها - بخش اول Discover and Measure Associations - Part 1

  • کشف و اندازه‌گیری انجمن‌ها - بخش دوم Discover and Measure Associations - Part 2

  • اندازه‌گیری انجمن‌ها - بخش اول Measure Associations - Part 1

  • اندازه‌گیری انجمن‌ها - بخش اول (ادامه) Measure Associations - Part 1 (Continued)

  • اندازه‌گیری انجمن‌ها - بخش دوم Measure Associations - Part 2

  • اندازه‌گیری انجمن‌ها - بخش دوم (ادامه) Measure Associations - Part 2 (Continued)

پودمان ۳: تحلیل سبد خرید (Market Basket Analysis) Module 3: Market Basket Analysis

  • مقدمه پودمان ۳ Module 3 Introduction

  • در سبد خرید شما چیست؟ - بخش اول What is in Your Basket - Part 1

  • در سبد خرید شما چیست؟ - بخش دوم What is in Your Basket - Part 2

  • قوانین انجمنی چگونه کشف می‌شوند؟ - بخش اول How Are Association Rules Discovered - Part 1

  • قوانین انجمنی چگونه کشف می‌شوند؟ - بخش دوم How Are Association Rules Discovered - Part 2

  • قوانین انجمنی چه اطلاعاتی به من می‌دهند؟ - بخش اول What Can Association Rules Tell Me - Part 1

  • قوانین انجمنی چه اطلاعاتی به من می‌دهند؟ - بخش دوم What Can Association Rules Tell Me - Part 2

پودمان ۴: افراز، بخش‌بندی و خوشه‌بندی مشاهدات Module 4: Partitioning, Segmenting, and Clustering of Observations

  • مقدمه پودمان ۴ Module 4 Introduction

  • افراز مشاهدات برای آموزش مدل‌ها - بخش اول Partition Observations for Training Models - Part 1

  • افراز مشاهدات برای آموزش مدل‌ها - بخش دوم Partition Observations for Training Models - Part 2

  • ایجاد بخش‌های مشاهدات برای اهداف تجاری - بخش اول Create Segments of Observations for Business Reasons - Part 1

  • ایجاد بخش‌های مشاهدات برای اهداف تجاری - بخش دوم Create Segments of Observations for Business Reasons - Part 2

  • قرار دادن مشاهدات با ویژگی‌های مشابه در خوشه‌ها - بخش اول Put Observations with Similar Feature Values in Clusters - Part 1

  • قرار دادن مشاهدات با ویژگی‌های مشابه در خوشه‌ها - بخش دوم Put Observations with Similar Feature Values in Clusters - Part 2

  • قرار دادن مشاهدات با ویژگی‌های مشابه در خوشه‌ها - بخش سوم Put Observations with Similar Feature Values in Clusters - Part 3

پودمان ۵: رگرسیون خطی Module 5: Linear Regression

  • مقدمه پودمان ۵ Module 5 Introduction

  • مدل رگرسیون خطی - بخش اول Linear Regression Model​ - Part 1

  • مدل رگرسیون خطی - بخش دوم Linear Regression Model​ - Part 2

  • انتخاب پیشرو (Forward Selection) - بخش اول Forward Selection - Part 1

  • انتخاب پیشرو (Forward Selection) - بخش دوم Forward Selection - Part 2

  • اهمیت ویژگی‌ها - بخش اول Feature Importance -​ Part 1

  • اهمیت ویژگی‌ها - بخش دوم Feature Importance -​ Part 2

  • اهمیت ویژگی‌ها - بخش سوم Feature Importance -​ Part 3

پودمان ۶: رگرسیون لجستیک دوتایی Module 6: Binary Logistic Regression

  • مقدمه پودمان ۶ Module 6 Introduction

  • رگرسیون لجستیک - بخش اول Logistic Regression -​ Part 1

  • رگرسیون لجستیک - بخش دوم Logistic Regression -​ Part 2

  • انتخاب پیشرو Forward Selection

  • تفسیر مدل و ارزیابی عملکرد - بخش اول Interpret Model and Assess Performance -​ Part 1

  • تفسیر مدل و ارزیابی عملکرد - بخش دوم Interpret Model and Assess Performance -​ Part 2

پودمان ۷: درخت‌های تصمیم و الگوریتم CART Module 7: Decision Trees - The CART Algorithm

  • مقدمه پودمان ۷ Module 7 Introduction

  • انگیزه‌ی استفاده از درخت‌های تصمیم - بخش اول Motivation of Decision Trees -​ Part 1

  • انگیزه‌ی استفاده از درخت‌های تصمیم - بخش دوم Motivation of Decision Trees -​ Part 2

  • الگوریتم CART - بخش اول The CART Algorithm -​ Part 1

  • الگوریتم CART - بخش دوم The CART Algorithm -​ Part 2

  • پروفایل‌بندی خوشه‌ها - بخش اول Cluster Profiling -​ Part 1

  • پروفایل‌بندی خوشه‌ها - بخش دوم Cluster Profiling​ - Part 2

پودمان ۸: ارزیابی عملکرد مدل‌ها Module 8: Evaluating the Performance of Models

  • مقدمه پودمان ۸ Module 8 Introduction

  • مدل‌های پیش‌بینی Prediction Models

  • مدل‌های طبقه‌بندی اسمی Nominal Classification Models

  • مدل‌های طبقه‌بندی دوتایی - بخش اول Binary Classification Models -​ Part 1

  • مدل‌های طبقه‌بندی دوتایی - بخش دوم Binary Classification Models -​ Part 2

  • مدل‌های طبقه‌بندی دوتایی - بخش سوم Binary Classification Models -​ Part 3

  • مدل‌های طبقه‌بندی دوتایی - بخش چهارم Binary Classification Models -​ Part 4

  • مدل‌های طبقه‌بندی دوتایی - بخش پنجم Binary Classification Models -​ Part 5

ارزیابی نهایی دوره Summative Course Assessment

نمایش نظرات

آموزش آماده‌سازی و تحلیل داده‌ها
جزییات دوره
79h 41m
61
(آخرین آپدیت)
2,782
- از 5
دارد
دارد
دارد
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

Jawahar Panchal Jawahar Panchal