لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش Data Science 2022: علم داده و یادگیری ماشین کامل
Data Science 2022 : Complete Data Science & Machine Learning
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
یادگیری و تسلط بر علوم داده، پایتون برای یادگیری ماشین، ریاضیات برای یادگیری ماشین، آمار برای علوم داده مجموعه مهارت های کامل علوم داده مورد نیاز برای دانشمند داده شدن با تمام مفاهیم پیشرفته استاد برنامه نویسی پایتون از مبانی تا پیشرفت در صورت نیاز برای علم داده و یادگیری ماشینی ریاضیات کامل جبر خطی، حساب دیفرانسیل و انتگرال، بردارها، ماتریس برای علم داده و یادگیری ماشین را بیاموزید. در آمار شامل آمار توصیفی و استنباطی متخصص شوید. یاد بگیرید چگونه داده ها را با استفاده از تجسم داده ها با تمام نمودارها و نمودارهای لازم تجزیه و تحلیل کنید. انجام پردازش داده ها با استفاده از Pandas و ScikitLearn Master Regression با تمام پارامترها و فرضیات آن. رگرسیون، درخت تصمیم، جنگل تصادفی، ماشینهای بردار پشتیبان با یادگیری انتخاب ویژگی و کاهش ابعاد، درک کاملی از یادگیری عمیق با استفاده از Keras و Tensorflow دریافت کنید. من درست از اصول اولیه در پایتون تا Advanced Deep Learning Passion برای مقابله با تجزیه و تحلیل داده ها را آموزش خواهم داد
علوم داده و یادگیری ماشین داغ ترین مهارت های مورد تقاضا هستند اما یادگیری آنها چالش برانگیز است. آیا دوست داشتید یک دوره برای علم داده و یادگیری ماشین وجود داشته باشد که همه چیز را از ریاضی برای یادگیری ماشین، آمار پیشرفته برای علم داده، پردازش داده، یادگیری ماشین A-Z، یادگیری عمیق و موارد دیگر پوشش دهد؟
خب، شما به جای درست آمده اید. این دوره علم داده و یادگیری ماشین دارای 11 پروژه، 250+ سخنرانی، بیش از 25 ساعت محتوا، یک پروژه مسابقه Kaggle با امتیاز صدک برتر، الگوهای کد و آزمونهای مختلف است.
ما پروژههای واقعی زیر را اجرا میکنیم،
پیشبینی تقاضای دوچرخه Kaggle از رقابت Kaggle
اتوماسیون فرآیند تایید وام
طبقه بندی معروف IRIS
پیشبینیهای درآمد بزرگسالان از مجموعه دادههای سرشماری ایالات متحده
پیشبینیهای بازاریابی تلفنی بانک
پیشبینیهای سرطان سینه
پیشبینی دیابت با استفاده از مجموعه دادههای دیابت هندی Prima
امروزه علم داده و یادگیری ماشین تقریباً در همه صنایع از جمله خودرو، بانکداری، مراقبت های بهداشتی، رسانه، مخابرات و سایر صنایع استفاده می شود.
بهعنوان متخصص علم داده و یادگیری ماشین، باید تحقیق کنید و فراتر از مشکلات عادی نگاه کنید، ممکن است نیاز به پردازش گسترده دادهها داشته باشید. داده ها را با استفاده از ابزارهای پیشرفته آزمایش کنید و راه حل های شگفت انگیزی برای تجارت بسازید. با این حال، کجا و چگونه می خواهید این مهارت های مورد نیاز برای علم داده و یادگیری ماشین را بیاموزید؟
علوم داده و یادگیری ماشین نیاز به دانش عمیق از موضوعات مختلف دارد. علم داده فقط به دانستن بسته ها/کتابخانه های خاص و یادگیری نحوه به کارگیری آنها نیست. علم داده و یادگیری ماشین نیاز به درک عمیق از مهارت های زیر دارد،
درک چشم انداز کلی علم داده و یادگیری ماشین
انواع مختلف تجزیه و تحلیل داده، معماری داده، ویژگی های استقرار پروژه های علم داده و یادگیری ماشین
مهارت های برنامه نویسی پایتون که محبوب ترین زبان برای علم داده و یادگیری ماشین است
ریاضیات برای یادگیری ماشین از جمله جبر خطی، حساب دیفرانسیل و انتگرال و نحوه استفاده از آن در الگوریتم های یادگیری ماشین و همچنین علم داده
آمار و تجزیه و تحلیل آماری برای علم داده
تجسم داده برای علم داده
پردازش و دستکاری داده ها قبل از اعمال یادگیری ماشینی
یادگیری ماشین
ریج (L2)، کمند (L1) و رگرسیون شبکه الاستیک/منظمسازی برای یادگیری ماشین
انتخاب ویژگی و کاهش ابعاد برای مدلهای یادگیری ماشین
انتخاب مدل یادگیری ماشین با استفاده از اعتبارسنجی متقاطع و تنظیم فراپارامتر
تحلیل خوشه ای برای یادگیری ماشینی بدون نظارت
یادگیری عمیق با استفاده از محبوب ترین ابزارها و فناوری های امروزی.
این دوره آموزشی علم داده و یادگیری ماشین با در نظر گرفتن تمام جنبه های فوق طراحی شده است، دوره A-Z علم داده واقعی و یادگیری ماشین. در بسیاری از دوره های علم داده و یادگیری ماشین، الگوریتم ها بدون آموزش پایتون یا زبان برنامه نویسی این چنینی آموزش داده می شوند. با این حال، درک ساختار زبان برای اجرای هر رشته ای از جمله علم داده و یادگیری ماشین بسیار مهم است.
همچنین، بدون درک ریاضیات و آمار، درک نحوه عملکرد برخی از الگوریتمها و تکنیکهای علم داده و یادگیری ماشین غیرممکن است.
علوم داده و یادگیری ماشین مجموعه پیچیده ای از موضوعات است که به هم مرتبط هستند. با این حال، ما کاملاً به آنچه اینشتین زمانی گفته بود،
اعتقاد داریم
"اگر نمی توانید آن را به سادگی توضیح دهید، به اندازه کافی آن را درک نکرده اید."
من به عنوان یک مربی، همیشه سعی میکنم در سطح خود به این اصل عمل کنم. این یک دوره جامع در مورد علم داده و یادگیری ماشین است که هر آنچه را که برای یادگیری علم داده و یادگیری ماشین لازم است با استفاده از ساده ترین مثال ها با عمق زیاد به شما می آموزد.
همانطور که از سخنرانی های پیش نمایش خواهید دید، برخی از پیچیده ترین موضوعات به زبان ساده توضیح داده شده اند.
برخی از مهارت های کلیدی که خواهید آموخت،
برنامه نویسی پایتون
Python به عنوان زبان شماره 1 برای علم داده و یادگیری ماشین رتبه بندی شده است. استفاده از آن آسان است و با کتابخانه ها و عملکردهای مختلف مورد نیاز برای انجام وظایف مختلف برای علم داده و یادگیری ماشین غنی است. علاوه بر این، این زبان ترجیحی ترین و پیش فرض استفاده برای بسیاری از چارچوب های یادگیری عمیق از جمله Tensorflow و Keras است.
ریاضیات پیشرفته برای یادگیری ماشینی
ریاضیات اساس علم داده به طور کلی و یادگیری ماشین به طور خاص است. بدون درک معانی بردارها، ماتریس ها، عملیات آنها و همچنین درک حساب دیفرانسیل و انتگرال، درک پایه علم داده و یادگیری ماشین ممکن نیست. Gradient Descent که اساس شبکه عصبی و یادگیری ماشینی را تشکیل می دهد، بر اساس اصول حساب دیفرانسیل و انتگرال و مشتقات ساخته شده است.
آمارهای پیشرفته برای علم داده
دانستن تنها میانگین، میانه، حالت و غیره کافی نیست. تکنیکهای پیشرفته علم داده و یادگیری ماشین مانند انتخاب ویژگی، کاهش ابعاد با استفاده از PCA همگی بر اساس آمار استنباطی پیشرفته توزیعها و اهمیت آماری هستند. همچنین به ما کمک میکند تا رفتار دادهها را درک کنیم و سپس از یک تکنیک یادگیری ماشینی مناسب استفاده کنیم تا بهترین نتیجه را از تکنیکهای مختلف علم داده و یادگیری ماشین بگیریم.
تجسم داده
همانطور که می گویند، تصویر هزار کلمه ارزش دارد. تجسم داده ها یکی از تکنیک های کلیدی علم داده و یادگیری ماشین است و برای تجزیه و تحلیل داده های اکتشافی استفاده می شود. در آن، ما داده ها را به صورت بصری تجزیه و تحلیل می کنیم تا الگوها و روندها را شناسایی کنیم. ما می خواهیم یاد بگیریم که چگونه نمودارها و نمودارهای مختلف ایجاد کنیم و همچنین چگونه آنها را برای تمام اهداف عملی تجزیه و تحلیل کنیم. انتخاب ویژگی نقش کلیدی در یادگیری ماشین ایفا می کند و تجسم داده برای آن کلیدی است.
پردازش داده
علوم داده نیاز به پردازش گسترده داده دارد. متخصصان علم داده و یادگیری ماشین بیش از 2/3 از زمان را صرف پردازش و تجزیه و تحلیل داده ها می کنند. داده ها می توانند نویز داشته باشند و هرگز در بهترین شکل و فرم نیستند. پردازش داده یکی از رشته های کلیدی علم داده و یادگیری ماشینی برای گرفتن بهترین نتایج است. ما از Pandas که محبوب ترین کتابخانه برای پردازش داده ها در پایتون و کتابخانه های مختلف دیگر است برای خواندن، تجزیه و تحلیل، پردازش و پاکسازی داده ها استفاده خواهیم کرد.
یادگیری ماشینی
قلب و روح علم داده، توانایی پیشبینی است که توسط الگوریتمهای یادگیری ماشین و یادگیری عمیق ارائه میشود. یادگیری ماشینی، رشته کلی علم داده را از دیگران پیشی میگیرد. ما همه چیزهایی را که از بخشهای قبلی یاد گرفتهایم ترکیب میکنیم و مدلهای مختلف یادگیری ماشین را میسازیم. جنبه های کلیدی یادگیری ماشین فقط در مورد الگوریتم ها نیست، بلکه درک پارامترهای مختلف مورد استفاده توسط الگوریتم های یادگیری ماشینی است. ما تمام پارامترهای کلیدی و چگونگی تاثیر مقادیر آنها بر نتیجه را درک خواهیم کرد تا بتوانید بهترین مدل های یادگیری ماشین را بسازید.
انتخاب ویژگی و کاهش ابعاد
اگر تعجب میکنید که چه چیزی یک دانشمند داده خوب را میسازد، این بخش پاسخگوست. یک متخصص خوب علم داده و یادگیری ماشین فقط از کتابخانه ها و کدهای چند خطی استفاده نمی کند. او تمام ویژگی های داده ها را به طور عینی تجزیه و تحلیل می کند و بر اساس تجزیه و تحلیل آماری مرتبط ترین آنها را انتخاب می کند. ما یاد خواهیم گرفت که چگونه تعداد ویژگیها را کاهش دهیم و همچنین چگونه میتوانیم ارزش دادهها را هنگام تمرین و ساختن مدلهای مختلف یادگیری ماشین پس از اعمال اصول انتخاب ویژگی و کاهش ابعاد با استفاده از PCA حفظ کنیم.
یادگیری عمیق
اگر ندانید چگونه شبکه عصبی قدرتمند بسازید، نمیتوانید یک متخصص علوم داده و یادگیری ماشین خوبی شوید. می توان گفت که یادگیری عمیق نوع دیگری از یادگیری ماشینی با قدرت و انعطاف پذیری بسیار زیاد است. پس از یادگیری ماشین یادگیری، ما قصد داریم برخی از اصول کلیدی یادگیری عمیق را بیاموزیم و ابتدا یک پایه محکم بسازیم. سپس از Keras و Tensorflow که محبوب ترین چارچوب های یادگیری عمیق در جهان هستند استفاده خواهیم کرد.
پروژه Kaggle
بهعنوان یک دانشمند مشتاق داده، ما همیشه میخواهیم روی پروژه Kaggle برای یادگیری ماشین کار کنیم و به نتایج خوبی برسیم. من تلاش و زمان زیادی را صرف اطمینان از درک فرآیند کلی اجرای یک پروژه واقعی علم داده و یادگیری ماشین کردهام. این یک چالش یادگیری ماشین خوب برای شما خواهد بود.
پیشنهاد شما از این دوره،
تجربه عملی کامل با تعداد زیادی پروژه و تمرینات علم داده و یادگیری ماشین
تکنیک های پیشرفته مورد استفاده در علم داده و یادگیری ماشین را بیاموزید
گواهی تکمیل برای بیشترین مهارت در علم داده و یادگیری ماشین
همه سوالات در کوتاه ترین زمان ممکن پاسخ داده شد.
همه بهروزرسانیهای آینده براساس بهروزرسانیهای کتابخانهها، بستهها
پیشرفت های مستمر و افزودن مطالب دوره یادگیری ماشینی در آینده
همه دانش علم داده و یادگیری ماشین با کسری از هزینه
این دوره آموزشی علم داده و یادگیری ماشین با ضمانت بازگشت 30 روزه Udemy و بدون سوال ارائه می شود.
پس منتظر چه چیزی هستید؟ دکمه "اکنون خرید" را فشار دهید و بدون صرف زمان زیاد، سفر علم داده و یادگیری ماشین خود را شروع کنید.
من خیلی مشتاقم که شما را در داخل دوره ببینم.
سلب مسئولیت: همه تصاویر استفاده شده در این دوره تحت مجوز ارائه دهنده، عمدتاً از Shutterstock یا Pixabay، ایجاد یا خریداری یا دانلود می شوند.
سرفصل ها و درس ها
معرفی
Introduction
معرفی دوره
Course Introduction
چگونه هدیه رایگان خود را مطالبه کنیم
How to Claim your FREE Gift
معرفی
Introduction
معرفی دوره
Course Introduction
چگونه هدیه رایگان خود را مطالبه کنیم
How to Claim your FREE Gift
دانلود مطالب درسی
Download Course Material
دانلود مطالب درسی
Download Course Material
نظرات Udemy - پیام مهم
Udemy Reviews - Important Message
نظرات Udemy - پیام مهم
Udemy Reviews - Important Message
-- قسمت 1: برنامه نویسی ضروری پایتون --
-- Part 1: Essential Python Programming --
Anaconda، Spyder را نصب کنید
Install Anaconda, Spyder
Hands On - سلام پایتون و محیط را بشناسید
Hands On - Hello Python and Know the environment
Hands On - انواع و اپراتورهای متغیر
Hands On - Variable Types and Operators
Hands On - در حالی که حلقه ها
Hands On - While Loops
Hands On - برای حلقه ها
Hands On - For Loops
Hands On - لیست عملیات اساسی
Hands On - Lists Basic Operations
Hands On - لیست عملیات قسمت 2
Hands On - Lists Operations Part 2
Hands On - برش لیست های چند بعدی
Hands On - Slicing Multidimensional lists
Hands On - به داده های دیکشنری دسترسی پیدا کنید
Hands On - Access the Dictionary Data
Hands On - دیکشنری روش ها و توابع
Hands On - Dictionary Methods and functions
پردازش فایل - پردازش داده ها با استفاده از حلقه ها
File Processing - Process Data using Loops
پروژه 1 - محاسبه میانگین دمای هر شهر
Project 1 - Calculate the average temperature per city
برنامه نویسی ضروری پایتون
Essential Python Programming
-- قسمت 1: برنامه نویسی ضروری پایتون --
-- Part 1: Essential Python Programming --
Anaconda، Spyder را نصب کنید
Install Anaconda, Spyder
میانبر صفحه کلید - برای مبتدیان باید مشاهده شود
Keyboard Shortcut - Must view for beginners
میانبر صفحه کلید - برای مبتدیان باید مشاهده شود
Keyboard Shortcut - Must view for beginners
Hands On - سلام پایتون و محیط را بشناسید
Hands On - Hello Python and Know the environment
Hands On - انواع و اپراتورهای متغیر
Hands On - Variable Types and Operators
دست در دست - تصمیم گیری - اگر-دیگر
Hands On - Decision Making - If-Else
دست در دست - تصمیم گیری - اگر-دیگر
Hands On - Decision Making - If-Else
حلقه های پایتون توضیح داد
Python Loops explained
حلقه های پایتون توضیح داد
Python Loops explained
Hands On - در حالی که حلقه ها
Hands On - While Loops
Hands On - برای حلقه ها
Hands On - For Loops
لیست های پایتون توضیح داده شد
Python Lists Explained
لیست های پایتون توضیح داده شد
Python Lists Explained
Hands On - لیست عملیات اساسی
Hands On - Lists Basic Operations
Hands On - لیست عملیات قسمت 2
Hands On - Lists Operations Part 2
لیست های چند بعدی توضیح داده شد
Multidimensional Lists Explained
لیست های چند بعدی توضیح داده شد
Multidimensional Lists Explained
Hands On - برش لیست های چند بعدی
Hands On - Slicing Multidimensional lists
Hands On - Python Tuples
Hands On - Python Tuples
Hands On - Python Tuples
Hands On - Python Tuples
دیکشنری پایتون توضیح داده شد
Python Dictionary Explained
دیکشنری پایتون توضیح داده شد
Python Dictionary Explained
Hands On - به داده های دیکشنری دسترسی پیدا کنید
Hands On - Access the Dictionary Data
Hands On - دیکشنری روش ها و توابع
Hands On - Dictionary Methods and functions
پردازش فایل - باز کردن و خواندن فایل ها
File processing - Open and Read files
پردازش فایل - باز کردن و خواندن فایل ها
File processing - Open and Read files
پردازش فایل - پردازش داده ها و نوشتن در فایل ها
File Processing - Process Data and Write to Files
پردازش فایل - پردازش داده ها و نوشتن در فایل ها
File Processing - Process Data and Write to Files
پردازش فایل - پردازش داده ها با استفاده از حلقه ها
File Processing - Process Data using Loops
پروژه 1 - محاسبه میانگین دمای هر شهر
Project 1 - Calculate the average temperature per city
راه حل - پروژه 1 میانگین دمای هر شهر را محاسبه می کند
Solution - Project 1 calculate the average temperature per city
راه حل - پروژه 1 میانگین دمای هر شهر را محاسبه می کند
Solution - Project 1 calculate the average temperature per city
برنامه نویسی ضروری پایتون
Essential Python Programming
-- قسمت 2: ریاضیات اساسی --
-- Part 2: Essential Mathematics --
در این قسمت چه خواهید آموخت؟
What you will learn in this Part?
کارکرد
Functions
مبانی جبر
Algebra Foundations
نرخ تغییر و محدودیت
Rate of Change and Limits
قوانین مشتق و عملیات
Derivative Rules and Operations
مشتقات دوگانه و یافتن ماکسیما
Double Derivatives and finding Maxima
مثال مشتقات دوگانه
Double Derivatives example
مشتقات جزئی و نزول گرادیان
Partial Derivatives and Gradient Descent
حساب دیفرانسیل و انتگرال
Calculus
جبر خطی
Linear Algebra
بنیاد احتمال
Probability Foundation
-- قسمت 2: ریاضیات اساسی --
-- Part 2: Essential Mathematics --
در این قسمت چه خواهید آموخت؟
What you will learn in this Part?
معادلات جبری
Algebraic Equations
معادلات جبری
Algebraic Equations
نماها و گزارش ها
Exponents and Logs
نماها و گزارش ها
Exponents and Logs
معادلات چند جمله ای
Polynomial Equations
معادلات چند جمله ای
Polynomial Equations
فاکتورینگ
Factoring
فاکتورینگ
Factoring
معادلات درجه دوم
Quadratic Equations
معادلات درجه دوم
Quadratic Equations
کارکرد
Functions
مبانی جبر
Algebra Foundations
بنیاد حساب دیفرانسیل و انتگرال
Calculus Foundation
بنیاد حساب دیفرانسیل و انتگرال
Calculus Foundation
نرخ تغییر و محدودیت
Rate of Change and Limits
تمایز و مشتقات
Differentiation and Derivatives
تمایز و مشتقات
Differentiation and Derivatives
قوانین مشتق و عملیات
Derivative Rules and Operations
مشتقات دوگانه و یافتن ماکسیما
Double Derivatives and finding Maxima
مثال مشتقات دوگانه
Double Derivatives example
مشتقات جزئی و نزول گرادیان
Partial Derivatives and Gradient Descent
ادغام و مساحت زیر منحنی
Integration and Area Under the Curve
ادغام و مساحت زیر منحنی
Integration and Area Under the Curve
حساب دیفرانسیل و انتگرال
Calculus
مبانی بردار - بردار و عملیات بردار چیست
Vector Basics - What is a Vector and vector operations
مبانی بردار - بردار و عملیات بردار چیست
Vector Basics - What is a Vector and vector operations
وکتور حساب
Vector Arithmetic
وکتور حساب
Vector Arithmetic
بنیاد ماتریکس
Matrix Foundation
بنیاد ماتریکس
Matrix Foundation
حساب ماتریسی
Matrix Arithmetic
حساب ماتریسی
Matrix Arithmetic
ماتریس هویت، معکوس، تعیین کننده و جابجایی
Identity, Inverse, Determinant and Transpose Matrix
ماتریس هویت، معکوس، تعیین کننده و جابجایی
Identity, Inverse, Determinant and Transpose Matrix
تبدیل ماتریسی
Matrix Transformation
تبدیل ماتریسی
Matrix Transformation
تغییر مبنا و محور با استفاده از تبدیل ماتریس
Change of Basis and Axis using Matrix Transformation
تغییر مبنا و محور با استفاده از تبدیل ماتریس
Change of Basis and Axis using Matrix Transformation
مقادیر ویژه و بردارهای ویژه
Eigenvalues and Eigenvectors
مقادیر ویژه و بردارهای ویژه
Eigenvalues and Eigenvectors
جبر خطی
Linear Algebra
درک احتمال به زبان ساده
Understanding probability in simple terms
درک احتمال به زبان ساده
Understanding probability in simple terms
شرایط احتمال
Probability Terms
شرایط احتمال
Probability Terms
احتمال شرطی
Conditional Probability
احتمال شرطی
Conditional Probability
فرآیندهای تصادفی و متغیرهای تصادفی
Random Processes and Random Variables
فرآیندهای تصادفی و متغیرهای تصادفی
Random Processes and Random Variables
بنیاد احتمال
Probability Foundation
علم داده و یادگیری ماشین چیست؟
What is Data Science and Machine Learning?
رمزگشایی علم داده و یادگیری ماشین
Decoding Data Science and Machine Learning
چرخه حیات پروژه علم داده قسمت 4
Data Science Project Lifecycle Part 4
دانشمند داده چه می کند و مهارت های مورد نیاز چیست؟
What does a Data Scientist do and the skills required?
مبانی علم داده
Data Science Basics
علم داده و یادگیری ماشین چیست؟
What is Data Science and Machine Learning?
نیاز به علم داده و یادگیری ماشین
Need for Data Science and Machine Learning
نیاز به علم داده و یادگیری ماشین
Need for Data Science and Machine Learning
انواع تجزیه و تحلیل
Types of Analytics
انواع تجزیه و تحلیل
Types of Analytics
رمزگشایی علم داده و یادگیری ماشین
Decoding Data Science and Machine Learning
چرخه حیات پروژه علم داده قسمت 1
Data Science Project Lifecycle Part 1
چرخه حیات پروژه علم داده قسمت 1
Data Science Project Lifecycle Part 1
چرخه حیات پروژه علم داده قسمت 2
Data Science Project Lifecycle Part 2
چرخه حیات پروژه علم داده قسمت 2
Data Science Project Lifecycle Part 2
چرخه حیات پروژه علم داده قسمت 3
Data Science Project Lifecycle Part 3
چرخه حیات پروژه علم داده قسمت 3
Data Science Project Lifecycle Part 3
چرخه حیات پروژه علم داده قسمت 4
Data Science Project Lifecycle Part 4
دانشمند داده چه می کند و مهارت های مورد نیاز چیست؟
What does a Data Scientist do and the skills required?
مبانی علم داده
Data Science Basics
-- قسمت 3: آمار اساسی --
-- Part 3: Essential Statistics --
در این قسمت چه خواهید آموخت؟
What you will learn in this part?
-- قسمت 3: آمار اساسی --
-- Part 3: Essential Statistics --
در این قسمت چه خواهید آموخت؟
What you will learn in this part?
آمار توصیفی
Descriptive Statistics
دیتا چیست؟ شناخت داده ها و عناصر آن
What is Data? Understanding the Data and its elements.
اندازه گیری گرایش مرکزی با استفاده از میانگین، میانه، حالت
Measure of Central Tendency using Mean, Median, mode
دست در دست - دریافت خلاصه آماری
Hands on - Get Statistical Summary
آمار توصیفی
Descriptive Statistics
دیتا چیست؟ شناخت داده ها و عناصر آن
What is Data? Understanding the Data and its elements.
اندازه گیری گرایش مرکزی با استفاده از میانگین، میانه، حالت
Measure of Central Tendency using Mean, Median, mode
اندازه گیری پراکندگی با استفاده از انحراف استاندارد و واریانس
Measure of Dispersion using Standard Deviation and variance
اندازه گیری پراکندگی با استفاده از انحراف استاندارد و واریانس
Measure of Dispersion using Standard Deviation and variance
دست در دست - دریافت خلاصه آماری
Hands on - Get Statistical Summary
اندازه گیری پراکندگی با استفاده از درصد، محدوده و IQR
Measure of Dispersion using Percentile, Range and IQR
اندازه گیری پراکندگی با استفاده از درصد، محدوده و IQR
Measure of Dispersion using Percentile, Range and IQR
تجسم داده ها
Data Visualization
اهمیت تجسم داده ها
Importance of Data Visualization
درک Boxplot برای داده های عددی
Understanding Boxplot for Numerical Data
پلات چیست؟
What is a Plot?
Hands On - ایجاد طرح های خط
Hands On - Create Line Plots
Hands On - منوی شکل نمودار را درک کنید
Hands On - Understand Plot Figure Menu
Hands On - اولین نمودار نواری خود را ایجاد کنید
Hands On - Create your first Bar Chart
Hands On - ایجاد هیستوگرام داده ها
Hands On - Create Histogram of Data
Hands On - Plotting Boxplot
Hands On - Plotting Boxplot
تجسم داده ها برای داده های طبقه بندی شده
Data Visualization for Categorical Data
Hands On - Pie Charts قسمت 2
Hands On - Pie Charts Part 2
Hands On - تصاویر MatplotLib برای ایجاد نمودارهای متعدد
Hands On - MatplotLib Figures for creating multiple plots
Hands On - سفارشی سازی عناصر طرح قسمت 2
Hands On - Customization of Plot elements Part 2
Hands On - سفارشی سازی عناصر طرح قسمت 3
Hands On - Customization of Plot elements Part 3
Hands On - سفارشی سازی عناصر طرح قسمت 4
Hands On - Customization of Plot elements Part 4
اکنون پاداش خود را مطالبه کنید.
Claim your reward now.
تجسم داده ها
Data Visualization
اهمیت تجسم داده ها
Importance of Data Visualization
تجسم داده ها - جدول فرکانس، هیستوگرام و نمودار میله ای
Data Visualization - Frequency Table, Histogram and Bar Chart
تجسم داده ها - جدول فرکانس، هیستوگرام و نمودار میله ای
Data Visualization - Frequency Table, Histogram and Bar Chart
درک Boxplot برای داده های عددی
Understanding Boxplot for Numerical Data
پلات چیست؟
What is a Plot?
Hands On - ایجاد طرح های خط
Hands On - Create Line Plots
Hands On - منوی شکل نمودار را درک کنید
Hands On - Understand Plot Figure Menu
Hands On - اولین نمودار نواری خود را ایجاد کنید
Hands On - Create your first Bar Chart
Hands On - ایجاد هیستوگرام داده ها
Hands On - Create Histogram of Data
Hands On - Plotting Boxplot
Hands On - Plotting Boxplot
تجسم داده ها برای داده های طبقه بندی شده
Data Visualization for Categorical Data
Hands On - Pie Charts قسمت 1
Hands On - Pie Charts Part 1
Hands On - Pie Charts قسمت 1
Hands On - Pie Charts Part 1
Hands On - Pie Charts قسمت 2
Hands On - Pie Charts Part 2
Hands On - Scatter Plots
Hands On - Scatter Plots
Hands On - Scatter Plots
Hands On - Scatter Plots
Hands On - تصاویر MatplotLib برای ایجاد نمودارهای متعدد
Hands On - MatplotLib Figures for creating multiple plots
Hands On - طرح های فرعی برای ترسیم چند قطعه در یک شکل
Hands On - Subplots for plotting multiple plots in one figure
Hands On - طرح های فرعی برای ترسیم چند قطعه در یک شکل
Hands On - Subplots for plotting multiple plots in one figure
Hands On - سفارشی سازی عناصر طرح قسمت 1
Hands On - Customization of Plot elements Part 1
Hands On - سفارشی سازی عناصر طرح قسمت 1
Hands On - Customization of Plot elements Part 1
Hands On - سفارشی سازی عناصر طرح قسمت 2
Hands On - Customization of Plot elements Part 2
Hands On - سفارشی سازی عناصر طرح قسمت 3
Hands On - Customization of Plot elements Part 3
Hands On - سفارشی سازی عناصر طرح قسمت 4
Hands On - Customization of Plot elements Part 4
اکنون پاداش خود را مطالبه کنید.
Claim your reward now.
آمار استنباطی، توزیع ها و فرضیه ها
Inferential Statistics, Distributions and Hypothesis
جمعیت در مقابل نمونه ها را درک کنید
Understand Population Vs Samples
تعصب نمونه چیست؟
What is a Sample Bias?
همبستگی و علیت چیست؟
What is Correlation and Causality?
کوواریانس و ماتریس کوواریانس چیست؟
What is Covariance and Covariance Matrix?
کوواریانس و ماتریس کوواریانس چیست؟
What is Covariance and Covariance Matrix?
تابع چگالی احتمال و توزیع
Probability Density Function and Distributions
تابع چگالی احتمال و توزیع
Probability Density Function and Distributions
توزیع های عادی
Normal Distributions
توزیع های عادی
Normal Distributions
توزیع های عادی استاندارد
Standard Normal Distributions
توزیع های نمونه گیری
Sampling Distributions
توزیع های نمونه گیری
Sampling Distributions
تئوری حد مرکزی
Central Limit Theorem
تئوری حد مرکزی
Central Limit Theorem
فاصله اطمینان - قسمت 1
Confidence Interval - Part 1
فاصله اطمینان - قسمت 2
Confidence Interval - Part 2
فاصله اطمینان - قسمت 2
Confidence Interval - Part 2
فرضیه و فرضیه صفر در مقابل فرضیه جایگزین چیست؟
What is Hypothesis and Null Vs Alternate Hypothesis?
فرضیه و فرضیه صفر در مقابل فرضیه جایگزین چیست؟
What is Hypothesis and Null Vs Alternate Hypothesis?
اهمیت آماری چیست
What is Statistical Significance
اهمیت آماری چیست
What is Statistical Significance
نمونه های تست فرضیه
Hypothesis Testing Examples
آمار استنباطی، توزیع ها و فرضیه ها
Inferential Statistics, Distributions and Hypothesis
جمعیت در مقابل نمونه ها را درک کنید
Understand Population Vs Samples
تعصب نمونه چیست؟
What is a Sample Bias?
همبستگی و علیت چیست؟
What is Correlation and Causality?
توزیع های عادی استاندارد
Standard Normal Distributions
فاصله اطمینان - قسمت 1
Confidence Interval - Part 1
نمونه های تست فرضیه
Hypothesis Testing Examples
-- قسمت 4: پیش پردازش داده --
-- Part 4: Data Pre-Processing --
Hands On - وارد کردن کتابخانه برای خواندن و برش داده ها
Hands On - Import Library to Read and Slice the data
Hands On - وارد کردن کتابخانه برای خواندن و برش داده ها
Hands On - Import Library to Read and Slice the data
Hands On - اطلاعاتی را که با آنها سروکار دارید را درک کنید
Hands On - Understand the data you are dealing with
دست در دست - مدیریت ارزش های گمشده
Hands On - Handling Missing Values
Label-Encoding برای داده های طبقه بندی شده
Label-Encoding for Categorical Data
رمزگذاری دست روی برچسب
Hands On Label Encoding
رمزگذاری دست روی برچسب
Hands On Label Encoding
رمزگذاری داغ برای داده های طبقه بندی شده توضیح داده شده است
Hot-Encoding for Categorical Data Explained
رمزگذاری داغ برای داده های طبقه بندی شده توضیح داده شده است
Hot-Encoding for Categorical Data Explained
Hands On - Hot-Encoding برای داده های طبقه بندی شده
Hands On - Hot-Encoding for Categorical Data
عادی سازی داده ها - دلایل را درک کنید.
Data normalization - Understand the reasons.
Hands On - عادی سازی داده ها با استفاده از مقیاس کننده استاندارد
Hands On - Data Normalization using Standard Scaler
Hands On - عادی سازی داده ها با استفاده از مقیاس کننده استاندارد
Hands On - Data Normalization using Standard Scaler
Hands On - عادی سازی داده ها با استفاده از minmax
Hands On - Data Normalization using minmax
Hands On - عادی سازی داده ها با استفاده از minmax
Hands On - Data Normalization using minmax
Train and Test Data Split توضیح داده شده است
Train and Test Data Split explained
Hands On - آموزش و آزمایش تقسیم داده ها
Hands On - Train and Test Data Split
Hands On - آموزش و آزمایش تقسیم داده ها
Hands On - Train and Test Data Split
-- قسمت 4: پیش پردازش داده --
-- Part 4: Data Pre-Processing --
Hands On - اطلاعاتی را که با آنها سروکار دارید را درک کنید
Hands On - Understand the data you are dealing with
دست در دست - مدیریت ارزش های گمشده
Hands On - Handling Missing Values
Label-Encoding برای داده های طبقه بندی شده
Label-Encoding for Categorical Data
Hands On - Hot-Encoding برای داده های طبقه بندی شده
Hands On - Hot-Encoding for Categorical Data
عادی سازی داده ها - دلایل را درک کنید.
Data normalization - Understand the reasons.
Train and Test Data Split توضیح داده شده است
Train and Test Data Split explained
-- قسمت 5: رگرسیون --------
-- Part 5: Regression --------
در این بخش چه چیزی یاد خواهید گرفت؟
What you will learn in this section?
در این بخش چه چیزی یاد خواهید گرفت؟
What you will learn in this section?
-- قسمت 5: رگرسیون --------
-- Part 5: Regression --------
در این بخش چه چیزی یاد خواهید گرفت؟
What you will learn in this section?
رگرسیون خطی ساده
Simple Linear Regression
رگرسیون خطی ساده چیست؟
What is Simple Linear Regression
حداقل مربعات معمولی و خطاهای رگرسیون
Ordinary Least Square and Regression Errors
حداقل مربعات معمولی و خطاهای رگرسیون
Ordinary Least Square and Regression Errors
پروژه 2 - پردازش داده ها
Project 2 - Data Processing
پروژه 2 - پردازش داده ها
Project 2 - Data Processing
پروژه 2 - مدل آموزش و آزمون
Project 2 - Train and Test Model
مدل را تست کنید و مقادیر Y را پیش بینی کنید
Test the model and Predict Y Values
مدل را تست کنید و مقادیر Y را پیش بینی کنید
Test the model and Predict Y Values
پروژه 2 - R-Squared و اهمیت آن
Project 2 - R-Squared and its Importance
پروژه 2 - امتیاز و ضرایب دریافت کنید
Project 2 - Score and Get coefficients
پروژه 2 - امتیاز و ضرایب دریافت کنید
Project 2 - Score and Get coefficients
نمایش نظرات