آموزش Ultimate Data Bootcamp در پایتون با 5 پروژه

Ultimate Data Science Bootcamp in Python with 5 Projects

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
توضیحات دوره: کارشناسی ارشد علوم داده و یادگیری ماشین با پایتون و انجام 5 پروژه علوم علوم Capstone

چه چیزی را یاد می گیرید

  • اصول علوم داده
  • پروژه های CAPSTONE علوم داده ها
  • عملیات گروه بندی و فیلتر کردن برای تجزیه و تحلیل داده ها
  • برنامه نویسی شی گرا در پایتون
  • تست فرضیه
  • تجسم داده های پایه و پیشرفته
  • تجزیه و تحلیل خوشه بندی

Data Science یک رشته میان رشته ای است که از روش های علمی ، الگوریتم ها برای استخراج اطلاعات پاک از داده های خام برای تدوین بینش های عملی استفاده می کند.

این رشته خیلی سریع در حال رشد است و انقلابی در بسیاری از صنایع ایجاد کرده است.

این مزایای غیر قابل محاسبه در تجارت ، تحقیقات و زندگی روزمره ما دارد.

مسیر شما برای کار ، جدیدترین جستجوی Google شما در نزدیکترین کافی شاپ ، پست اینستاگرام شما درباره آنچه خورده اید و حتی داده های سلامتی از ردیاب تناسب اندام شما برای دانشمندان مختلف داده از طرق مختلف مهم هستند.>

غربال کردن دریاچه های عظیم داده ، جستجوی ارتباطات و الگوها ، علم داده وظیفه آوردن محصولات جدید برای ما ، ارائه اطلاعات مهم و راحت تر کردن زندگی ما است.


این طیف گسترده ای از موضوعات را در بر می گیرد: -

1 پایتون.

2 آمار.

3 یادگیری ماشینی.

4 ریاضیات.

5 تجسم داده.

6 تمیز کردن داده ها.

7 تست فرضیه.

8 تجزیه و تحلیل پرس و جو.


هر یک از این مباحث بر اساس موضوع دیگر ساخته شده اند. شما باید تمام مهارت ها را به ترتیب صحیح کسب کنید.


شما در جای مناسب هستید !!!


برای یادگیری مهارت های علوم داده به این منبع آنلاین خوش آمدید.

این دوره واقعا به شما کمک خواهد کرد که حرفه خود را افزایش دهید.

این دوره علوم داده با ابتدایی ترین سطح شروع می شود و مرحله به مرحله به پیشرفته ترین تکنیک ها می رود.

حتی اگر از قبل چیزی نمی دانید ، این دوره کاملاً برای شما منطقی خواهد بود.

در این دوره علوم داده شما با موارد زیر آشنا خواهید شد: -

1 مبانی زبان برنامه نویسی پایتون: - متغیرها ، انواع داده ها ، حلقه ها و شرط ها.

2 ساختارهای داده Python: - لیست ها ، tuples ، فرهنگ لغت ها ، مجموعه ها ، پشته ها ، صف ها.

3 برنامه نویسی شی گرا در پایتون.

4 عبارات منظم.

5 کتابخانه پستی.

6 کتابخانه پانداس.

7 عملیات گروه بندی و فیلتر کردن برای تجزیه و تحلیل داده ها.

8 تجسم های اساسی و پیشرفته.

9 آمار توصیفی.

10 آمار استنباطی.

11 تست فرضیه.

12 کاوش کتابخانه دابل و سوییویتیز.

13. تئوری رگرسیون خطی و عملی.

14 نظریه رگرسیون لجستیک و عملی.

15 تجزیه و تحلیل خوشه بندی.


تمرینات و تمرینات زیادی برای تمرین در این دوره Science Science و همچنین یک پروژه 5 Bonus Data Science "مرورگر عملکرد بازیکن" ، "مطالعه موردی و تجزیه و تحلیل مورد مبتدیان" ، "موتور توصیه کننده فیلم" وجود دارد. تجزیه و تحلیل هزینه های جهانی زندگی "و" موتور تقسیم مشتری ".

در این پروژه مرورگر عملکرد بازیکن ، شما می توانید معیارهای عملکرد بازیکنان را بر اساس موقعیت زمینی ، مهارت ها ، ملیت ، باشگاه ها ، سن ، قد ، وزن و درک عوامل اصلی عملکرد این بازیکنان تجزیه و تحلیل کنید.

در این پروژه مورد مطالعه و تجزیه و تحلیل شرکتهای نوپا ، شما شرکتهای نوپای هند را تجزیه و تحلیل کرده و برای پاسخ به برخی از س Quesالات جالب ، اکوسیستم های راه اندازی در هند را می فهمید. سعی کنید عمده سرمایه گذاران و استارت آپ ها را بشناسید.

در این پروژه Engine Recommender Engine ، شما می آموزید که چگونه یک پایگاه داده فیلم را تجزیه و تحلیل کنید تا برخی از اطلاعات مفید و فیلم های پیشنهادی را پیدا کنید.

در این پروژه تجزیه و تحلیل هزینه های زندگی جهانی ، شما خواهید آموخت که چگونه تجزیه و تحلیل مکانی جغرافیایی را انجام دهید و برخی از عوامل عمده تعیین کننده کیفیت زندگی در شهرهای مختلف جهان را درک کنید. و همچنین انجام تجزیه و تحلیل تطبیقی را بیاموزید.

در این پروژه موتور تقسیم مشتری ، شما مشتری را به چندین گروه از افراد تقسیم خواهید کرد که از جهات مختلف مشابه جنسیت ، سن ، علایق و عادات مختلف هزینه مشابه هستند.


از کلیه مباحث خوانده شده در این دوره علوم داده 2021 استفاده خواهید کرد.

همچنین به کلیه منابعی که در این دوره علوم داده 2021 استفاده شده است دسترسی خواهید داشت.


اکنون ثبت نام کنید و یک طرفدار پایتون شوید !!!

این دوره برای چه کسانی است:

  • توسعه دهندگان پایتون
  • مبتدیان علوم داده
  • تحلیل گر داده
  • دانشمندان داده

سرفصل ها و درس ها

مبانی پایتون Python Fundamentals

  • چرا باید پایتون را یاد بگیرید؟ Why should you learn Python?

  • نصب Python و Jupyter Notebook Installing Python and Jupyter Notebook

  • کنوانسیون نامگذاری برای متغیرها Naming Convention for variables

  • ساخته شده در انواع داده ها و نوع ریخته گری Built in Data Types and Type Casting

  • محدوده متغیرها Scope of Variables

  • مسابقه در مورد متغیرها و انواع داده ها Quiz on Variables and Data Types

  • راه حل آزمون Quiz Solution

  • اپراتورهای حساب و انتساب Arithmetic and Assignment Operators

  • اپراتورهای مقایسه ، منطقی و Bitwise Comparison, Logical, and Bitwise Operators

  • هویت و عضویت اپراتورها Identity and Membership Operators

  • مسابقه در اپراتورها Quiz on Operators

  • راه حل مسابقه Quiz Solution

  • قالب بندی رشته String Formatting

  • روش های رشته ای String Methods

  • ورودی کاربر User Input

  • مسابقه در رشته ها Quiz on Strings

  • راه حل آزمون Quiz Solution

  • اگر ، الیف ، و چیزهای دیگر If, elif, and else

  • برای و در حالی که For and While

  • شکستن و ادامه دادن Break and Continue

  • مسابقه حلقه ها و شرطی ها Quiz on Loops and Conditionals

  • راه حل آزمون Quiz Solution

تسلط بر ساختارهای داده Python Mastering Python Data Structures

  • تفاوت بین لیست ها و Tuples Differences between Lists and Tuples

  • عملیات در لیست ها Operations on Lists

  • عملیات روی تاپلز Operations on Tuples

  • مسابقه در لیست ها و Tuples Quiz on Lists and Tuples

  • راه حل مسابقه Quiz Solution

  • مقدمه ای بر دیکشنری ها Introduction to Dictionaries

  • عملیات روی فرهنگ لغت ها Operations on Dictionaries

  • لغت نامه های تو در تو Nested Dictionaries

  • مقدمه ای بر مجموعه ها Introduction to Sets

  • تنظیم عملیات Set Operations

  • مسابقه در مجموعه ها و دیکشنری ها Quiz on Sets and Dictionaries

  • راه حل آزمون Quiz Solution

  • مقدمه ای بر پشته ها و صف ها Introduction to Stacks and Queues

  • پیاده سازی پشته ها و صف ها با استفاده از لیست ها Implementing Stacks and Queues using Lists

  • پیاده سازی پشته ها و صف ها با استفاده از Deque Implementing Stacks andd Queues using Deque

  • مسابقه روی پشته ها و صف ها Quiz on Stacks and Queues

  • راه حل آزمون Quiz Solution

  • پیچیدگی زمان Time Complexity

  • جستجوی خطی Linear Search

  • جستجوی دودویی Binary Search

  • مرتب سازی بر روی حباب Bubble Sort

  • درج و مرتب سازی انتخاب Insertion and Selection Sort

  • ادغام مرتب سازی Merge Sort

  • مسابقه جستجو ، مرتب سازی و پیچیدگی زمان Quiz on Searching, Sorting, and Time Complexity

  • راه حل آزمون Quiz Solution

توابع Python غواصی عمیق Python Functions Deep Dive

  • مقدمه ای بر توابع Introduction to Functions

  • پارامترهای پیش فرض در توابع Default Parameters in Functions

  • استدلال های موضعی Positional Arguments

  • استدلال های کلمه کلیدی Keyword Arguments

  • ماژول های پایتون Python Modules

  • مسابقه آشنایی با توابع Quiz on Introduction to Functions

  • راه حل آزمون Quiz Solution

  • توابع لامبدا Lambda Functions

  • توابع فیلتر ، نقشه و Zip Filter, Map, and Zip Functions

  • درک ، فهرست ، تنظیم و فرهنگ لغت List, set, and Dictionary Comprehensions

  • مسابقه در مورد توابع ناشناس Quiz on Anonymous Functions

  • راه حل آزمون Quiz Solution

  • مقدمه ای بر توابع جمع Introduction to Aggregate Functions

  • مقدمه ای بر توابع تحلیلی Introduction to Analytical Functions

  • مسابقه در توابع ساخته شده است Quiz on In Built Functions

  • حل مسئله عاملی با استفاده از بازگشت Solving the Factorial Problem using Recursion

  • حل مسئله فیبوناچی با استفاده از بازگشت Solving the Fibonacci Problem using Recursion

  • مسابقه در حال بازگشت Quiz on Recursions

  • راه حل آزمون Quiz Solution

  • آشنایی با کلاسها و اشیا Introduction to Classes and Objects

  • وراثت Inheritance

  • کپسوله سازی Encapsulation

  • پلی مورفیسم Polymorhism

  • مسابقه در کلاسها و اشیا Quiz on Classes and Objects

  • راه حل آزمون Quiz Solution

پایتون برای علوم داده Python for Data Science

  • مقدمه ای بر زمان کار Introduction to datetime

  • کلاس تاریخ و ساعت The date and time class

  • کلاس datetime The datetime class

  • کلاس timedelta The timedelta class

  • مسابقه در تاریخ و زمان Quiz on Dates and Times

  • راه حل آزمون Quiz Solution

  • شخصیت های متا برای عبارات منظم Meta Characters for Regular Expressions

  • توابع داخلی برای عبارات منظم Built-in Functions for Regular Expressions

  • نویسه های خاص برای عبارات منظم Special Characters for Regular Expressions

  • مجموعه ای برای عبارات منظم Sets for Regular Expressions

  • مسابقه در بیان منظم Quiz on Regular Expressions

  • راه حل آزمون Quiz Solution

  • ایجاد آرایه با استفاده از numpy Array Creation using Numpy

  • عملیات ریاضی با استفاده از Numpy Mathematical Operations using Numpy

  • توابع داخلی در Numpy Built-in Functions in Numpy

  • مسابقه در مورد مقدمه ای برای Numpy Quiz on Introduction to Numpy

  • راه حل آزمون Quiz Solution

  • خواندن مجموعه های داده با استفاده از Pandas Reading Datasets using Pandas

  • رسم اطلاعات در Pandas Plotting Data in Pandas

  • نمایه سازی ، انتخاب و فیلتر کردن داده ها با استفاده از Pandas Indexing, Selecting, and Filtering Data using Pandas

  • ادغام و بهم پیوستن DataFrames Merging and Concatenating DataFrames

  • توابع Lambda ، Map و Apply را اعمال کنید Lambda, Map, and Apply Functions

  • مسابقه آشنایی با پانداها Quiz on Introduction to Pandas

  • راه حل آزمون Quiz Solution

تمیز کردن داده ها Data Cleaning

  • علل و تأثیر مقادیر گمشده Causes and Impact of Missing Values

  • انواع ارزش های گمشده Types of Missing Values

  • چه زمانی باید مقادیر از دست رفته را حذف کنیم When should we delete the missing values

  • مقادیر گمشده را با منطق تجارت وارد کنید Imputing missing values with the business logic

  • درج مقادیر گمشده با میانگین/متوسط/حالت Imputing missing values with Mean/Median/Mode

  • وارد کردن مقادیر از دست رفته در یک سناریوی بی درنگ Imputing missing values in a real-time scenario

  • مسابقه در محاسبه ارزش های گمشده Quiz on Missing Values Imputation

  • راه حل آزمون Quiz Solution

  • چگونه پرهیزها می توانند برای مدل های یادگیری ماشین مضر باشند How outliers can be harmful for machine learning models

  • یافتن اطلاعات دور از دسترس Finding out outliers from the data

  • استفاده از Winsorization برای مقابله با پرت ها Using Winsorization to deal with outliers

  • حذف و محدود کردن موارد دور Deleting and Capping the outliers

  • برخورد با پرتگاه ها در یک سناریوی واقعی Dealing with outliers in a real-world scenario

  • مسابقه در مورد درمان پرتها Quiz on Outliers Treatment

  • راه حل آزمون Quiz Solution

  • مقدمه ای بر توابع reindex ، set_index ، reset_index و sort_index Introduction to reindex, set_index, reset_index, and sort_index Functions

  • مقدمه ای برای عملکرد جایگزین و سطح افت Introduction to Replace and Drop level Function

  • مقدمه ای بر عملکرد تقسیم و نوار Introduction to Split and Strip Function

  • معرفی پشته، و توابع Unstack Introduction to Stack, and Unstack Functions

  • مقدمه ای بر عملکردهای ذوب ، انفجار و فشار دادن Introduction to Melt, Explode, and Squeeze Functions

  • تمیز کردن داده ها در مجموعه داده های Big Mart Data Cleaning on Big Mart Dataset

  • تمیز کردن داده ها در مجموعه داده فیلم Data Cleaning on Movie Dataset

  • تمیز کردن داده ها در مجموعه داده های مسکن ملبورن Data Cleaning on Melbourne Housing Dataset

  • تمیز کردن داده ها در مجموعه داده های Naukri Data Cleaning on Naukri Dataset

تجزیه و تحلیل پرس و جو Query Analysis

  • توابع جمع شده برای گروه بندی استفاده می شود Aggregate functions used for Grouping

  • استفاده از Groupby برای عملیات گروه بندی Using Groupby for Grouping Operations

  • Groupby با توابع Idxmax و Idxmin Groupby with Idxmax and Idxmin functions

  • با استفاده از مقیاس های رنگی برای تجسم بهتر Using Color scales for better visualization

  • تجسم عملیات Groupby Visualizing the Groupby Operations

  • استفاده از جداول محوری برای گروه بندی عملیات Using Pivot Tables for Grouping Operations

  • تفاوت بین جداول Groupby و Pivot Difference between Groupby and Pivot tables

  • اجرای Cross Tabulation Performing Cross Tabulation

  • تجسم داده های جدول بندی شده متقاطع Visualizing Cross tabulated Data

  • عملیات گروه بندی تعاملی Interactive Grouping Operations

  • مسابقه در مورد عملیات گروه بندی Quiz on Grouping Operations

  • راه حل آزمون Quiz Solution

  • زمان انجام عملیات فیلتر کردن When to perform Filtering Operations

  • مقدمه ای بر عملیات فیلتراسیون ساده Introduction to Simple Filtering Operations

  • عملیات پیشرفته فیلتر کردن Advanced Filtering Operations

  • فیلتر کردن و گروه بندی عملیات Filtering and Grouping Operations

  • عملیات فیلتر کردن تعاملی Interactive Filtering Operations

  • مسابقه در مورد فیلتر کردن عملیات Quiz on Filtering Operations

  • راه حل آزمون Quiz Solution

تجسم داده ها Data Visualizations

  • تحلیل تک متغیره Univariate Analysis

  • تجزیه و تحلیل دو متغیره Bivariate Analysis

  • تحلیل چند متغیره Multivariate Analysis

  • مسابقه مبانی تجسم Quiz on Basics of Visualization

  • راه حل آزمون Quiz Solution

  • طرح های پراکنده Scatter Plots

  • نمودارهایی با مقیاس رنگی Charts with Colorscale

  • نمودارهای میله ای ، خطی و منطقه ای Bar, Line, and Area Charts

  • شبکه های چهره Facet Grids

  • نمودارهای آماری Statistical Charts

  • نمودارهای قطبی Polar Charts

  • زیرمجموعه ها Subplots

  • نمودارهای سه بعدی 3D Charts

  • نمودارهای وافل Waffle Charts

  • نقشه ها Maps

  • مسابقه تجسم پیشرفته Quiz on Advanced Visualizations

  • راه حل آزمون Quiz Solution

  • انیمیشن با Bubbleplot Animation with Bubbleplot

  • انیمیشن با وجوه Animation with Facets

  • انیمیشن با نقشه های پراکنده Animation with Scatter Maps

  • انیمیشن با نقشه های Choropleth Animation with Choropleth Maps

  • مسابقه در مورد تجسم متحرک Quiz on Animated Visualizations

  • راه حل آزمون Quiz Solution

  • معرفی Ipywidgets Introduction to Ipywidgets

  • تجزیه و تحلیل تک متغیری تعاملی Interactive Univariate Analysis

  • تجزیه و تحلیل دو متغیری تعاملی Interactive Bivariate Analysis

  • تجزیه و تحلیل چند متغیره تعاملی Interactive Multivariate Analysis

  • مسابقه در زمینه تجسمهای تعاملی Quiz on Interactive Visualizations

  • راه حل مسابقه Quiz Solution

  • نمودارهای Sunburst Sunburst Charts

  • نمودارهای مختصات موازی Parallel Co-ordinate Charts

  • نمودارهای قیفی Funnel Charts

  • نمودارهای گانت Gantt Charts

  • نمودارهای سه تایی Ternary Charts

  • نقشه های درخت Tree Maps

  • نمودارهای شبکه Network Charts

  • مسابقه در نمودارهای متفرقه Quiz on Miscellaneous Charts

  • راه حل آزمون Quiz Solution

آمار و احتمال Statistics and Probability

  • چرا باید آمار و احتمال را یاد بگیرید Why you should learn Statistics and Probability

  • قدم زدن در دوره مطالب Walking through the course Content

  • کاربردهای احتمال در زندگی واقعی Applications of Probability in Real Life

  • احتمال اساسی Basic Probability

  • احتمال مشروط Conditional Probability

  • نظریه مجموعه Set Theory

  • قضیه بیز Bayes' Theorem

  • جایگزینی ها و ترکیب ها Permutations and Combinations

  • مسابقه درباره احتمال Quiz on Probablity

  • راه حل آزمون Quiz Solution

  • انواع داده ها Types of Data

  • اقدامات تمایل مرکزی Measures of Central Tendency

  • اقدامات گسترش Measures of Spread

  • اقدامات وابستگی Measures of Dependence

  • مسابقه آمار توصیفی Quiz on Descriptive Statistics

  • راه حل آزمون Quiz Solution

  • توزیع های پیوسته و گسسته Continuous vs Discrete Distributions

  • مقدمه ای بر توزیع عادی Introduction to Normal Distribution

  • مفهوم Skewness Concept of Skewness

  • استفاده از نمودارهای QQ برای بررسی توزیع عادی Using QQ Plots to check Normal Distribution

  • مسابقه توزیع آماری Quiz on Statistical Distributions

  • راه حل آزمون Quiz Solution

  • میانگین نمونه و میانگین جمعیت Sample Mean and Population Mean

  • تئوری حد مرکزی Central Limit Theorem

  • تعصب و واریانس Bias and Variance

  • حداکثر برآورد احتمال Maximum Likelihood Estimation

  • فاصله اطمینان Confidence Intervals

  • مسابقه آمار استنباطی Quiz on Inferential Statistics

  • راه حل آزمون Quiz Solution

آزمایش فرضیه Hypothesis Testing

  • تست فرضیه چیست What is Hypothesis Testing

  • فرضیه صفر و فرضیه متناوب Null Hypothesis and Alternate Hypothesis

  • انواع خطا Types of Error

  • مقدار P و سطح اهمیت P-Value and Level of Significance

  • مسابقه تست فرضیه Quiz on Hypothesis Testing

  • راه حل آزمون Quiz Solution

  • یک تست T نمونه One Sampled T Test

  • دو آزمون آزمون t Two Sampled T Test

  • آزمون تی زوجی Paired Sampled T Test

  • مسابقه در آزمون T دانش آموز Quiz on Student's T Test

  • راه حل مسابقه Quiz Solution

  • یک نمونه تست Z One Sampled Z Test

  • تست دو نمونه Z Two Sampled Z Test

  • مسابقه در آزمون Z Quiz on Z Test

  • راه حل آزمون Quiz Solution

  • آزمون ANOVA یک نمونه One Sampled ANOVA Test

  • آزمون ANOVA دو نمونه Two Sampled ANOVA Test

  • مسابقه در آزمون ANOVA Quiz on ANOVA Test

  • راه حل آزمون Quiz Solution

  • خوب بودن آزمون Fit Goodness of Fit Test

  • تست استقلال Test of Independence

  • مسابقه در آزمون Chi Squared Quiz on Chi Squared Test

  • راه حل آزمون Quiz Solution

اکتشاف داده Data Exploration

  • چرا EDA و چگونه مفید است Why EDA and how it is useful

  • رهنمود برنامه درسی دوره Course curriculum walkthrough

  • نمایه سازی اطلاعات Data Profiling

  • تجزیه و تحلیل داده های هدف Analyzing Target Data

  • مسابقه آشنایی با EDA Quiz on Introduction to EDA

  • راه حل آزمون Quiz Solution

  • جمع بندی داده ها Summarizing data

  • کاوش در کتابخانه دابل Exploring the Dabl Library

  • کاوش در کتابخانه Sweetviz Exploring the Sweetviz Library

  • برای تجزیه و تحلیل بهتر از Color Gradients استفاده کنید Using Color Gradients for better analysis

  • بهترین روشها برای اکتشاف داده ها Best Practices for Data Exploration

  • مسابقه بررسی داده ها Quiz on Examining Data

  • راه حل آزمون Quiz Solution

  • راه حل آزمون Quiz Solution

پروژه Capstone 1: تجزیه و تحلیل عملکرد بازیکنان Capstone Project 1: Players Performance Analysis

  • درک بیان مسئله Understanding the problem statement

  • تنظیم محیط زیست Setting up the Environment

  • تمیز کردن داده ها Data Cleaning

  • مهندسی ویژگی Feature Engineering

  • تجسم داده ها Data Visualization

  • تجزیه و تحلیل پرس و جو Query Analysis

  • یادگیری عمده از پروژه Major Learnings from the project

پروژه Capstone 2: مطالعه موردی و تجزیه و تحلیل مورد استارت آپ ها Capstone Project 2: Startups Case Study and Analysis

  • تمیز کردن داده ها Data Cleaning

  • پرس و جو از داده ها با استفاده از تجسم بخش - 1 Querying the data using Visualizations Part - 1

  • پرس و جو از داده ها با استفاده از تجسم بخش - 2 Querying the data using Visualizations Part - 2

  • عمده یادگیری از پروژه Major learning from the Project

Capstone Project 3: سیستم های پیشنهاد دهنده فیلم Capstone Project 3: Movie Recommender Systems

  • تنظیم محیط زیست Setting up the Environment

  • با استفاده از شیرجه رفتن عمیق به مجموعه داده ها Taking a Deep Dive into the Dataset

  • درک بیان مسئله Understanding the Problem Statement

  • ارزش های از دست رفته Missing Values Imputation

  • 10 فیلم برتر سودآور Top 10 Profitable Movies

  • استفاده از ستون مدت و زبان Manipulating the Duration and Language Column

  • استخراج ژانرهای فیلم Extracting the Movie Genres

  • 10 فیلم محبوب در رسانه های اجتماعی Top 10 Most Popular Movies on Social Media

  • تجزیه و تحلیل اینکه کدام ژانر بیشتر قابل پرداخت است؟ Analysing Which Genre is Most Bankable?

  • تحلیل ضرر و سود در فیلم های انگلیسی و خارجی Loss and Profit Analysis on English and Foreign Movies

  • مقایسه ناخالص فیلمهای بلند و کوتاه Gross Comparison of Long and Short Movies

  • ارتباط بین امتیاز IMDB و مدت زمان Association between IMDB Rating and Duration

  • مقایسه بازیگران تحسین شده منتقد Comparing Critically acclaimed Actors

  • فیلمهای برتر بر اساس Gross و IMDB Top Movies based on Gross, and IMDB

  • پیشنهاد فیلم ها بر اساس زبان ها و بازیگران Recommending Movies based on Languages and Actors

  • توصیه ژانرها و فیلم های مشابه Recommending Similar Genres and Movies

  • کلید واژه های کلیدی این پروژه Key Takeaways from this Project

  • مسابقه در سیستم های توصیه فیلم Quiz on Movie Recommender Systems

پروژه کپستون 4: هزینه جهانی زندگی Capstone Project 4: Global Cost of Living

  • تنظیم محیط Setting up Environment

  • درک مجموعه داده Understanding the Dataset

  • درک بیان مسئله Understanding the Problem Statement

  • استخراج طول و عرض جغرافیایی از L Extracting Latitude and Longitude from the L

  • انجام مهندسی ویژگی Performing Feature Engineering

  • مقایسه سبک زندگی در کشورهای مختلف Comparing Lifestyle in different Countries

  • تجزیه و تحلیل N و پایین N Top N and Bottom N Analysis

  • انجام تجزیه و تحلیل مکانی جغرافیایی Performing Geo spatial Analysis

  • مقایسه عوامل مختلف سبک زندگی Comparing different Lifestyle Factors

  • مقایسه برخی از محبوب ترین کشورها Comparing Some of the Most Popular Countries

  • مقایسه سبک زندگی در شهرهای هند Comparing Lifestyle in Indian Cities

  • رتبه بندی اماکن بر اساس هزینه زندگی آنها Ranking Places based on their cost of living

  • تجزیه و تحلیل هزینه اقلام اساسی Analysing Cost of Essential Items

  • تجزیه و تحلیل کیفیت زندگی Analysing Quality of Life

  • پیشنهاد مکان های بهتر برای زندگی Suggesting Better places to live

  • مسابقه در مورد هزینه جهانی زندگی Quiz on Global Cost of Living

پروژه Capstone 5: موتور تقسیم مشتری Capstone Project 5: Customer Segmentation Engine

  • درک بیان مسئله Understanding the Problem Statement

  • درک بیان مسئله Understanding the Problem Statement

  • تنظیم محیط زیست Setting up the Environment

  • تنظیم محیط زیست Setting up the Environment

  • تجزیه و تحلیل و تجسم داده ها Data Analysis and Visualization

  • تجزیه و تحلیل خوشه بندی KMeans KMeans Clustering Analysis

  • عمده آموخته ها از پروژه ها Major Learnings from the projects

  • مسابقه در موتور تقسیم مشتری Quiz on Customer Segmentation Engine

نمایش نظرات

نظری ارسال نشده است.

آموزش Ultimate Data Bootcamp در پایتون با 5 پروژه
خرید اشتراک و دانلود خرید تکی و دانلود | 160,000 تومان (5 روز مهلت دانلود) زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
15h 8m
296
Udemy (یودمی) udemy-small
12 فروردین 1400 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
22,266
4.8 از 5
ندارد
ندارد
ندارد
Data is Good

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Data is Good Data is Good

یک تیم بزرگ ، گوگل ، فیس بوک ، کاگل ، ما یک شرکت آموزش فناوری "indie" هستیم. این چشم انداز ما این است که با تبدیل آموزش ، توانایی بالقوه انسانی را باز کنیم و آن را برای همه قابل دسترسی و مقرون به صرفه کنیم. ما به شدت مستقل و مفتخریم که تنها تمرکز خود را برای ایجاد آموزش فناوری در سطح جهانی برای هر کسی در این کره خاکی می دانیم. داده ها خوب است که ماموریت دارند دوره هایی ایجاد کنند که دانش آموزان ما را نه تنها موضوع یاد بگیرند ، بلکه عاشق آن شوند و یادگیرندگان پرشور و مادام العمر آن موضوع شوند.

Udemy (یودمی)

یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.

یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.