Beginning of dialog window. Escape will cancel and close the window.
End of dialog window.
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره:
تحلیلگران و دانشمندان وظیفه دارند اطلاعات و بینش هایی را از مجموعه داده های عظیم استخراج کنند. این دوره کتابخانه Seaborn Python را به مهندسان کمک می کند تا با استفاده از ابزار تجسم سطح بالا و قدرتمند خود ، در برقراری ارتباط اطلاعات کمک کنند. همه را بزرگ کنید بررسی اجمالی دوره 2 متر 6 ثانیه تجسم روابط و توزیع ها در Seaborn 54 متر 33s ساخت نقشه های Trellis در Seaborn 29m 43s کنترل زیبایی و سبک طرح در Seaborn 17m 35s علائم تجاری و نام تجاری اشخاص ثالث ذکر شده در این دوره متعلق به صاحبان مربوطه می باشند و Pluralsight وابسته یا تأیید شده توسط این احزاب نیست.
سرفصل ها و درس ها
بررسی اجمالی دوره
Course Overview
بررسی اجمالی دوره
Course Overview
تجسم روابط و توزیع ها در Seaborn
Visualizing Relationships and Distributions in Seaborn
بررسی اجمالی ماژول
Module Overview
پیش نیازها و بررسی اجمالی دوره
Prerequisites and Course Overview
نصب Seaborn و کشف مجموعه شراب
Installing Seaborn and Exploring the Wine Dataset
Matplotlib و Seaborn
Matplotlib and Seaborn
تخمین تراکم هسته (KDE)
The Kernel Density Estimation (KDE)
تجسم توزیع های یک متغیره: هیستوگرام ها ، نمودارهای KDE ، Rugplots
Visualizing Univariate Distributions: Histograms, KDE Plots, Rugplots
تجسم توزیع های دو متغیره: قطعات مشترک ، نمودارهای Hexbin ، نمودارهای KDE
Visualizing Bivariate Distributions: Jointplots, Hexbin Plots, KDE Plots
روابط جفتی با استفاده از Pairplot و همبستگی ها با استفاده از Heatmap
Pairwise Relationships Using Pairplot and Correlations Using Heatmap
نمودارهای Regression با استفاده از Lmplot
Regression Plots Using Lmplot
نمودارهای Regression با استفاده از Regplot
Regression Plots Using Regplot
Stripplots و Swarmplots برای داده های دسته بندی
Stripplots and Swarmplots for Categorical Data
Boxplot و Violinplot
The Boxplot and the Violinplot
برآورد آماری و فاکتورها
Statistical Estimation and Factorplots
ساخت نقشه های Trellis در Seaborn
Building Trellis Plots in Seaborn
بررسی اجمالی ماژول
Module Overview
کار با Facetgrids
Working with Facetgrids
شبکه های Facetgl با Regplots
Facetgrids with Regplots
شبکه های وجهی با Barplots
Facetgrids with Barplots
سفارشی کردن Facetgrid ها
Customizing Facetgrids
کار با Pairgrids
Working with Pairgrids
بررسی مجموعه اجاره دوچرخه
Exploring the Bike Rental Dataset
کنترل زیبایی و سبک طرح در Seaborn
Controlling Plot Aesthetics and Style in Seaborn
بررسی اجمالی ماژول
Module Overview
تم ها و سبک های شکل
Themes and Figure Styles
پالت های رنگی کیفی
Qualitative Color Palettes
پالت های دنباله ای و مکعبی
Sequential and Cubehelix Palettes
Janani Ravi یک معمار و مهندس داده خبره Google cloud است.
جنانی مدرک کارشناسی ارشد خود را در رشته مهندسی برق از دانشگاه استنفورد دریافت کرد و برای مایکروسافت، گوگل و فلیپ کارت کار کرده است. او یکی از بنیانگذاران Loonycorn است، یک استودیوی محتوا که بر ارائه محتوای با کیفیت بالا برای توسعه مهارت های فنی متمرکز است، جایی که او عشق خود را به فناوری با اشتیاق خود به تدریس ترکیب می کند.
نمایش نظرات