آموزش Python vs. R برای علوم داده
Python vs. R for Data Science
پایتون و R زبان های برنامه نویسی مشترک هستند که هنگام کار با داده ها استفاده می شود. هر زبان به شیوه خود قدرتمند است؛ با این حال، مهم است که شما زبان را انتخاب کنید که به بهترین نحو کمک می کند تا نتیجه نهایی خود را به دست آورید. در این دوره، دانشمند داده ها و مربی برنامه نویسی Lavanya Vijayan به شما کمک می کند تا این انتخاب را انتخاب کنید، ملاحظات مهم را برای استفاده از هر زبان در شرایط مختلف به اشتراک بگذارید. Lavanya با رفتن به دنبال پس زمینه هر دو زبان، و همچنین نقاط قوت و معایب هر کدام در سناریوهای مختلف آغاز می شود. او سپس از طریق فرایند کار بر روی یک پروژه علمی اطلاعاتی راه می رود و نحوه رسیدگی به داده ها را در مراحل مختلف با استفاده از پایتون و R. lavanya انجام می دهد و سپس نحوه تجزیه و تحلیل داده ها با استفاده از هر دو زبان را پوشش می دهد. او با بحث در مورد موارد استفاده که به نقاط قوت هر زبان بازی می کنند، دوره را رد می کند. در پایان این آموزش، شما باید اطلاعات ضروری را که لازم دارید تعیین کنید، تعیین کنید که آیا پایتون یا R برای شما مناسب است.
این دوره توسط ایجاد شده است. ما خوشحالیم که این آموزش را در کتابخانه ما برگزار کنیم.
شروع شدن Getting Started
-
پایتون در مقابل R Python vs. R
-
یادداشت های مهم برای پایتون و ر Important notes for Python and R
1. پایتون در مقابل R 1. Python vs. R
-
کار با زبان های برنامه نویسی Working with programming languages
-
با استفاده از پایتون Using Python
-
با استفاده از R Using R
-
مقایسه پایتون و ر Comparing Python and R
2. تفاوت های کلیدی در دست زدن به داده ها 2. Key Differences in Handling Data
-
بارگذاری داده ها در پایتون در مقابل R Data loading in Python vs. R
-
اکتشاف داده ها در پایتون در مقابل R Data exploration in Python vs. R
-
تمیز کردن داده ها و دستکاری در پایتون در مقابل R Data cleaning and manipulation in Python vs. R
-
تجسم داده در پایتون در مقابل R Data visualization in Python vs. R
3. تجزیه و تحلیل داده ها در R و پایتون 3. Data Analysis in R and Python
-
تجزیه و تحلیل داده ها در R Data analysis in R
-
تجزیه و تحلیل داده ها در پایتون Data analysis in Python
4. برنامه ها 4. Applications
-
برنامه های کاربردی علمی داده های رایج با پایتون Common data science applications with Python
-
برنامه های کاربردی علوم رایج با R Common data science applications with R
حرکت به جلو Moving Forward
-
باز کردن تجزیه و تحلیل داده ها در پایتون یا R Unlocking data analysis in Python or R
نمایش نظرات
نظری ارسال نشده است.
https://donyad.com/d/fd05
آموزش بنیادهای نوآوری در تجارت
Business Innovation Foundations
بیاموزید که چگونه از نوآوری استراتژیک برای تولید محصولات و خدمات بهتر برای شرکت خود استفاده کنید.
آموزش مبانی حسابداری: برآورد هزینه
Accounting Foundations: Cost Estimating
بیاموزید که چگونه هزینه های کسب و کار را پیش بینی کنید و چگونگی برآورد دقیق هزینه ها به پروژه های شما ارزش افزوده می دهد.
آموزش نکات DevOps
DevOps Tips
با این نکات به موقع و متمرکز به مرحله بعدی در حرفه DevOps خود برسید. کاوش مهارت های نرم افزاری مهم و همچنین راهنمایی برای اجرای آخرین روندهای تکنولوژی .
آموزش خلق یک فیلم کوتاه: 06 کار روی مجموعه
Creating a Short Film: 06 Working on Set
دیدگاه خودی را در مورد روند ساخت فیلم کسب کنید. درباره نقش هایی که اعضای خدمه مختلف در صحنه بازی می کنند و نحوه کنار آمدن با تأخیرها ، مشکلات تداوم ، وسایل و موارد دیگر بیاموزید.
Linkedin (لینکدین)
لینکدین: شبکه اجتماعی حرفه‌ای برای ارتباط و کارآفرینی
لینکدین به عنوان یکی از بزرگترین شبکه‌های اجتماعی حرفه‌ای، به میلیون‌ها افراد در سراسر جهان این امکان را می‌دهد تا ارتباط برقرار کنند، اطلاعات حرفه‌ای خود را به اشتراک بگذارند و فرصت‌های شغلی را کشف کنند. این شبکه اجتماعی به کاربران امکان می‌دهد تا رزومه حرفه‌ای خود را آپدیت کنند، با همکاران، دوستان و همکاران آینده ارتباط برقرار کنند، به انجمن‌ها و گروه‌های حرفه‌ای ملحق شوند و از مقالات و مطالب مرتبط با حوزه کاری خود بهره‌مند شوند.
لینکدین همچنین به کارفرمایان امکان می‌دهد تا به دنبال نیروهای با تجربه و مهارت مورد نیاز خود بگردند و ارتباط برقرار کنند. این شبکه حرفه‌ای به عنوان یک پلتفرم کلیدی برای بهبود دسترسی به فرصت‌های شغلی و گسترش شبکه حرفه‌ای خود، نقش مهمی را ایفا می‌کند. از این رو، لینکدین به عنوان یکی از مهمترین ابزارهای کارآفرینی و توسعه حرفه‌ای در دنیای امروز مورد توجه قرار دارد.