فرآیند فعالسازی مجدد لینکهای دانلود آغاز شده است. با توجه به حجم بالای محتوا و طی شدن مراحل فنی آمادهسازی، فعال شدن کامل دسترسیها برای تمامی کاربران کمی زمان میبرد.پیشاپیش از صبوری شما سپاسگزاریم.
✅ امکان تهیه دورهها فراهم است و لینکها به نوبت در حال فعالسازی هستند.
زمان اشتراکها، تمدید و اصلاح می شوند.
راه ارتباطی در ایتا 09303953766
لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش علوم داده استاد با SQL و Python
- آخرین آپدیت
دانلود Master Data Science with SQL and Python
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
دوره علوم داده با Python و MySQL اصول اولیه پایتون را معرفی می کند و استفاده از آن در علوم داده MySQL و ادغام را با تجزیه و تحلیل داده های پایتون و یادگیری ماشین تجسم از اصول اولیه تا پیشرفته پیش nnیaزha معرفی می کند: هیچ نیاز قبلی وجود ندارد. این یک دوره کامل مبتدیان است.
این دوره به طور جامع با استفاده از پایتون و MySQL ، علوم داده را معرفی می کند ، و مهارت های ضروری مدیریت داده ها ، تجزیه و تحلیل و مدیریت پایگاه داده را ترکیب می کند. شما کتابخانه های قدرتمند علوم داده پایتون ، از جمله پاندا ، Numpy و Matplotlib را برای تمیز کردن ، تجزیه و تحلیل و تجسم داده ها یاد خواهید گرفت. علاوه بر این ، شما با MySQL ، تسلط بر نمایش داده های SQL ، ایجاد پایگاه داده و تکنیک های مدیریت داده برای ذخیره و بازیابی داده ها به طور کارآمد ، تجربه دستی کسب خواهید کرد.
از طریق پروژه های دنیای واقعی ، شما کل خط لوله علوم داده-جمع آوری ، ذخیره سازی ، ذخیره سازی ، تجزیه و تحلیل و تجسم را کشف خواهید کرد-در حالی که درک می کنید که چگونه پایتون و MySQL برای حل مشکلات عملی ادغام می شوند. در پایان این دوره ، شما قادر خواهید بود مجموعه داده ها را دستکاری و تجزیه و تحلیل کنید ، تجسم های روشنگری ایجاد کنید و با اطمینان با پایگاه داده ها کار کنید ، شما را به مهارت ها برای رسیدگی به چالش های مختلف علوم داده در هر تنظیم حرفه ای تجهیز می کند. مناسب برای مبتدیان و واسطه ها.
شما همچنین به مفاهیم کلیدی آماری و اصول اولیه یادگیری ماشین می پردازید ، و از مدل های پیش بینی کننده برای استخراج بینش از داده ها استفاده می کنید. این دوره بر کاربردهای عملی تأکید می کند ، شما را از طریق تمرینات ساختاری و مجموعه داده های دنیای واقعی هدایت می کند تا درک شما را تقویت کند. با استفاده از پایتون ، گردش کار داده ها را خودکار می کنید و داشبوردهای تعاملی ایجاد می کنید ، در حالی که MySQL شما را قادر می سازد تا به طور کارآمد مجموعه داده های پیچیده را مدیریت و پرس و جو کنید. در پایان ، شما یک ابزار ابزار قوی برای مقابله با وظایف علوم داده ، از اکتشاف داده های اولیه گرفته تا ارائه بینش های داده محور و توصیه های عملی در صنایع مختلف خواهید داشت.
سرفصل ها و درس ها
کاوش در چشم انداز علوم داده
Exploring the Data Science Landscape
مقدمه
Introduction
سخنرانی 2
Lecture 2
سخنرانی 3
Lecture 3
سخنرانی 4
Lecture 4
سخنرانی 5
Lecture 5
سخنرانی 6
Lecture 6
سخنرانی 7
Lecture 7
سخنرانی 8
Lecture 8
مقدمه پایتون
Python Introduction
مقدمه ای بر پایتون
Introduction to python
پایتون چیست؟
What is Python?
نحو پیتون
Python Syntax
ساختار داده در پایتون
Data Structures in Python
اپراتورها و رشته های پایتون
Python Operators and Strings
دست زدن به پرونده و ماژول ها
File Handling and Modules
ساختارهای کنترل
Control Structures
توابع
Functions
ورودی/خروجی پرونده
File Input/Output
ماژول ها و بسته ها
Modules and Packages
ماژول ها و کتابخانه ها
Modules and Libraries
رسیدگی به پرونده
File Handling
ماژول ها و بسته ها - numpy
Modules and Packages - Numpy
ماژول ها و بسته ها - پاندا
Modules and Packages - Pandas
ماژول ها و بسته ها - scipy matplotlib
Modules and Packages - SciPy Matplotlib
پایتون mysql
Python MySQL
آشنایی با Python با MySQL
Introduction to python with MySQL
پایتون با MySQL - پایگاه داده ها و جداول
Python with MySQL - Databases and Tables
عملیات در پایتون با mysql 1
Operations in Python with MySQL 1
عملیات در پایتون با MySQL 2
Operations in Python with MySQL 2
یادگیری ماشین در پایتون
Machine Learning in Python
مقدمه ای برای یادگیری ماشین
Introduction to Machine Learning
قسمت 1 تحت نظارت یادگیری ماشین
Supervised Machine Learning Part 1
یادگیری ماشین تحت نظارت قسمت 2 و یادگیری دستگاه بدون نظارت
Supervised Machine Learning Part 2 and Unsupervised machine Learning
پروژه سنگ فرش علوم داده
Data Science Capstone Project
نمایش نظرات