آموزش جامع علوم داده با پایتون (Data Science with Python) - آخرین آپدیت

دانلود Data Science with Python

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: این دوره مجهز به Coursera Coach است! روشی هوشمندانه برای یادگیری از طریق گفتگوهای تعاملی و آنی که به شما کمک می‌کند دانش خود را بسنجید، پیش‌فرض‌ها را به چالش بکشید و در حین پیشروی در دوره، درک عمیق‌تری از مفاهیم به دست آورید. در این دوره جامع علوم داده با پایتون، شما بر کتابخانه‌های ضروری مانند NumPy، Pandas، Matplotlib و PyTorch برای حل چالش‌های واقعی علوم داده مسلط خواهید شد. با شروع از NumPy، یاد می‌گیرید که چگونه با آرایه‌ها کار کنید، جبر خطی را پیاده‌سازی کنید و مجموعه‌داده‌های بزرگ را مدیریت نمایید. سپس با Pandas به فیلتر کردن، تحلیل و بصری‌سازی بهینه داده‌ها می‌پردازید و در ادامه از Matplotlib برای ایجاد نمودارهای اطلاعاتی و بصری‌سازی‌هایی که الگوهای پنهان در داده‌ها را آشکار می‌کند، استفاده خواهید کرد. با پیشرفت در دوره، وارد تکنیک‌های پیشرفته پردازش تصویر با Matplotlib می‌شوید، نمودارهای تعاملی را با Plotly می‌سازید و تجربه عملی در مبانی PyTorch کسب می‌کنید. این دوره شما را با مفاهیم حیاتی مانند تنسورها، شتاب‌دهی GPU، برودکستینگ (Broadcasting) و آموزش مدل آشنا می‌کند و پایه‌ای محکم برای وظایف یادگیری ماشین و یادگیری عمیق فراهم می‌سازد. این دوره برای افرادی که مشتاق ارتقای مهارت‌های علوم داده خود هستند طراحی شده و برای یادگیرندگان مبتدی و متوسط ایده‌آل است. با تمرینات عملی، کاربردهای واقعی و دروس تعاملی، شما آماده خواهید شد تا هر پروژه علوم داده‌ای را مدیریت کنید. پس از اتمام دوره، مهارت‌های لازم برای ورود به دنیای یادگیری ماشین و هوش مصنوعی را خواهید داشت. در پایان این دوره، شما قادر خواهید بود داده‌ها را با NumPy و Pandas مدیریت کنید، با Matplotlib و Plotly بصری‌سازی نمایید، تصاویر را پردازش کنید و مدل‌های یادگیری ماشین را با استفاده از PyTorch پیاده‌سازی کنید.

سرفصل ها و درس ها

کتابخانه NumPy NumPy

  • آرایه‌های NumPy، شکل و تغییر شکل NumPy Arrays, Shape, and Reshape

  • آرایه‌های صفر، یک و ماتریس واحد در NumPy NumPy Arrays of Zeros, Ones, and the Identity Matrix

  • آرایه‌های خالی و تصادفی Empty and Random

  • اندیس‌گذاری و برش (Slicing) در NumPy Indexing and Slicing in NumPy

  • عملیات ریاضی و NumPy Arithmetic and NumPy

  • مفهوم کلی جبر خطی و کاربردهای آن Rough Idea of Linear Algebra and Its Applications

  • مفاهیم پیشرفته جبر خطی در NumPy (Advanced) Concepts from Linear Algebra in NumPy

  • حل سیستم‌های خطی Solving Linear Systems

  • منطق: مقایسه عنصر به عنصر Logic: Element-Wise Comparison

  • منطق: مقایسه با اسکالرها Logic: Comparison with Scalars

  • منطق: فیلتر کردن و دستور Where Logic: Filtering and Where

کتابخانه Pandas Pandas

  • شروع کار با Pandas: تحلیل مجموعه داده تایتانیک Getting Started with Pandas: Titanic Dataset Analysis

  • فیلتر کردن داده‌ها Filtering

  • فیلتر کردن و عملگر isin Filtering and the isin Operator

  • فیلتر کردن ردیف‌ها با استفاده از notna Filter Rows Using notna

  • مثال‌هایی از فیلترها و منطق Examples of Filters and Logic

  • پاسخ تمرینات فیلترینگ جلسه قبل Solutions to the Filtering Exercises from the Previous Lecture

  • فیلتر کردن ستون‌ها Filtering Columns

  • به‌کارگیری concat روی دو سری (Series) Applying concat to Two Series

کتابخانه Matplotlib، رسم نمودار و آمار Matplotlib, Graphing, and Statistics

  • نمودار میله‌ای ساده Simple Bar Plot

  • نمودار میله‌ای - کالری روزانه Bar Plot—Calories per Day

  • نمودار جعبه‌ای (Box Plot) Box Plot

  • سناریوی واقعی: تحلیل رضایت مشتری - نمودار جعبه‌ای Real-World Scenario: Customer Satisfaction Analysis—Box Plot

  • نمودار پراکندگی ساده A Simple Scatter Plot

  • مثال نمودار پراکندگی - دمای روزانه و فروش بستنی Scatter Plot Example—Average Daily Temperatures and Ice Cream Sales

  • مقایسه گروه‌ها با نمودارهای پراکندگی Comparing Groups with Scatter Plots

  • رسم تابع با نمودار پراکندگی Graphing a Function with Scatter Plot

  • رسم خطوط Graphing Lines

  • توضیحات متنی روی نمودار Text Annotations

  • رگرسیون خطی Linear Regression

  • نمودارهای هیستوگرام Histograms

  • نمودارهای فرعی (Subplots) Subplots

  • نمودارهای فرعی متعدد با رنگ‌ها و عناوین مختلف Multiple Subplots with Different Colors and Titles

  • بهبود عناوین با استفاده از LaTeX Enhancing Titles Using LaTeX

  • نمودارهای فرعی تصاویر Image Subplots

  • نمودار دایره‌ای (Pie Chart) Pie Chart

  • نمودار پشته‌ای (Stack Plot) Stack Plot

  • نمودار میله‌ای (Bar Chart) Bar Chart

  • نمودار سه بعدی با استفاده از Mesh Grid 3D Plot Using a Mesh Grid

کتابخانه Matplotlib و پردازش تصویر Matplotlib and Image Processing

  • بارگذاری تصویر RGB Loading an RGB Image

  • استخراج کانال‌های RGB Extracting RGB Channels

  • تبدیل تصویر RGB به مقیاس خاکستری Converting an RGB Image to Grayscale

  • بررسی نقشه‌های رنگی (Color Maps) Exploring Color Maps

  • ایجاد تصاویر RGB با ابعاد n در n Creating n by n RGB Images

  • دستکاری تصویر - آستانه‌گذاری (Thresholding) Image Manipulation—Thresholding

  • دستکاری تصویر - فشرده‌سازی Image Manipulation—Compression

  • دستکاری تصویر - کاهش ابعاد (Squeeze) Image Manipulation—Squeeze Image

  • دستکاری تصویر - معکوس کردن تصاویر Image Manipulation—Inverting Images

  • دستکاری تصویر - کاشی‌کاری تصویر Image Manipulation—Image Tiling

کتابخانه Plotly و نمودارهای تعاملی Plotly and Interactive Plots

  • نمودار خطی تعاملی Interactive Line Plot

  • حالت‌های نمودار خطی Line Plot Modes

  • نمودار پراکندگی تعاملی با Tooltips Interactive Scatter Plot with Tooltips

  • نمودار سطح سه بعدی تعاملی Interactive 3D Surface Plot

  • نمودارها به عنوان دیکشنری Figures as Dictionaries

  • نمودارها به عنوان اشیاء گرافیکی (Graph Objects) Figures as Graph Objects

مبانی کتابخانه PyTorch PyTorch Fundamentals

  • گوگل کولب و tqdm Google Colab and tqdm

  • دریافت کمک و راهنما Getting Help

  • راهنمایی‌های تکمیلی Getting More Help

  • معرفی PyTorch و تنسورها - بخش اول Introducing PyTorch and Tensors 1

  • معرفی PyTorch و تنسورها - بخش دوم Introducing PyTorch and Tensors 2

  • استفاده از GPU Using the GPU

  • عملگرها و عملیات تکمیلی Operators and More Operations

  • اندیس‌گذاری و ماسک‌گذاری (Masking) Indexing and Masking

  • ادامه مبحث ماسک‌گذاری Masking Continued

  • کپی کردن تنسورها (Cloning) Cloning Tensors

  • برودکستینگ - گام‌های نخست Broadcasting—First Steps

  • ادامه مبحث برودکستینگ Broadcasting Continued

  • مثال‌های بیشتر از برودکستینگ More Broadcasting Examples

نمایش نظرات

آموزش جامع علوم داده با پایتون (Data Science with Python)
جزییات دوره
10h 36m
68
(آخرین آپدیت)
140
- 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