کانال تلگرام پشتیبانی تلگرام شماره تماس پشتیبانی: 0930 395 3766
ورود ثبت نام

نوت بوک Jupyter برای علم داده [ویدئو]

Jupyter Notebook for Data Science [Video]

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: این دوره ویدیویی به شما کمک می کند تا با Jupyter Notebook و تمام ویژگی های آن برای انجام کارهای مختلف علم داده در پایتون آشنا شوید. Jupyter Notebook یک ابزار قدرتمند برای کاوش و تجسم داده های تعاملی است و به ابزار استاندارد در بین دانشمندان داده تبدیل شده است. در این دوره، از وظایف اصلی تجزیه و تحلیل داده‌ها در Jupyter Notebook شروع می‌کنیم و به سراغ یادگیری برخی ابزارهای علمی رایج پایتون مانند پانداها، matplotlib و plotly می‌رویم. ما با مجموعه داده‌های واقعی، مانند جرایم و تصادفات رانندگی در شهر نیویورک، کار خواهیم کرد تا مسائل رایجی مانند خراش دادن و تمیز کردن داده‌ها را بررسی کنیم. ما تجسم های روشنگری ایجاد خواهیم کرد که داده های مهر زمانی و مکانی را نشان می دهد. در پایان دوره، در مورد نزدیک شدن به یک مجموعه داده جدید، تمیز کردن، کاوش و تجزیه و تحلیل آن در Jupyter Notebook برای استخراج اطلاعات مفید در قالب گزارش‌های تعاملی و تجسم داده‌های متراکم، مطمئن خواهید بود. همه کدها و فایل های پشتیبانی این دوره در GitHub در https://github.com/PacktPublishing/Jupyter-Notebook-for-Data-Science موجود است. این دوره از Jupyter 5.4.1 استفاده می کند، در حالی که آخرین نسخه موجود نیست، محتوای مرتبط و آموزنده را برای علاقه مندان به علم داده ارائه می دهد. یاد بگیرید که چگونه از نوت بوک Jupyter برای دستکاری و تجسم داده ها به طور موثر استفاده کنید تجزیه و تحلیل و تجسم داده های تعاملی را با استفاده از Jupyter Notebook بر روی داده های واقعی انجام دهید تجزیه و تحلیل داده های سری زمانی با استفاده از پانداها ویجت‌های تعاملی ایجاد کنید که در آن کاربران غیر فنی نیز بتوانند با استفاده از نوت‌بوک‌هایی که ایجاد می‌کنید در کاوش داده‌ها شرکت کنند. برای ساخت مجموعه داده ها و مقابله با چالش های رایج مانند داده های بدون ساختار یا از دست رفته، وب سایت ها را خراش دهید مجموعه داده های مختلف را در یک نمودار ترکیب کنید تا افراد بتوانند آنها را به صورت بصری مقایسه کنند و بینش جدیدی به دست آورند. تجزیه و تحلیل و تجسم مجموعه داده های جغرافیایی برای ایجاد نقشه های غنی از اطلاعات خیره کننده این دوره برای توسعه دهندگانی است که آشنایی اولیه با Python و Jupyter Notebook دارند. درک پایه ای از ریاضیات و آمار مفید خواهد بود. • درک نحوه استفاده موثر از Jupyter Notebook برای تجزیه و تحلیل داده های تعاملی در پایتون * • تجربه عملی استفاده از کتابخانه های علوم داده محبوب، مانند پانداها و matplotlib، برای کار با مجموعه داده های واقعی * • تمرکز ویژه روی پرداختن به چالش های معمولی است، مانند اسکرپینگ وب، برخورد با داده هایی که کاملاً ساختارمند نیستند و داده های از دست رفته *
سرفصل ها و درس ها

معرفی نوت بوک Jupyter Jupyter Notebook Introduction

  • بررسی اجمالی دوره The Course Overview

  • راه اندازی نوت بوک Jupyter Setting Up Jupyter Notebook

  • استفاده از نوت بوک Jupyter Using Jupyter Notebook

  • انتشار دفترچه یادداشت Publishing Notebooks

تجزیه و تحلیل داده ها با استفاده از پانداها Data Analysis Using Pandas

  • تجزیه مجموعه داده های جرم Parsing the Crime Dataset

  • ساختارهای داده پانداها Pandas Data Structures

  • کاوش و تجسم داده ها Exploring and Visualising the Data

  • ایجاد یک ویجت تعاملی Creating an Interactive Widget

خراش دادن داده ها Scraping Data

  • مقدمه ای بر Data Scraping Introduction to Data Scraping

  • واکشی داده‌ها از یک REST API با استفاده از درخواست‌ها Fetching Data from a REST API Using Requests

  • وارد کردن داده های API به پانداها Importing API Data into Pandas

  • خراش دادن وب سایت ها با استفاده از BeautifulSoup Scraping Websites Using BeautifulSoup

تجسم پیشرفته Advanced Visualization

  • مقدمه‌ای بر تجسم‌های متراکم اطلاعات Introduction to Information-Dense Visualisations

  • بصری سازی همبستگی داده ها Vizualising Data Correlation

  • رگرسیون خطی Linear Regression

  • ماتریس همبستگی Correlation Matrix

تجزیه و تحلیل داده های جغرافیایی Analyzing Geographic Data

  • نقشه ها در علم داده Maps in Data Science

  • توطئه مکان های جنایت Plotting Crime Locations

  • نقشه های تعاملی با استفاده از Plotly Interactive Maps Using Plotly

  • اظهارات پایانی Final Remarks

آموزش اصول دسترسی برای کاربران اکسل

آموزش اصول دسترسی برای کاربران اکسل

Access Basics for Excel Users

تجسم داده ها در Stata [ویدئو]

تجسم داده ها در Stata [ویدئو]

Data Visualization in Stata [Video]

Master LangChain با ابزار No-Code - Flowise و LangFlow [ویدئو]

Master LangChain با ابزار No-Code - Flowise و LangFlow [ویدئو]

Master LangChain with No-Code tools - Flowise and LangFlow [Video]

نمایش نظرات

نوت بوک Jupyter برای علم داده [ویدئو]
جزییات دوره
3 h 11 m
20
Packtpub Packtpub
(آخرین آپدیت)
2
5 از 5
ندارد
دارد
دارد

https://donyad.com/d/8f58d9

جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Drazen Lucanin Drazen Lucanin

Drazhen Lučanin یک توسعه دهنده، تحلیلگر داده و بنیانگذار Punk Rock Dev، یک استودیوی توسعه وب مستقل است. او از سال 2009 به طور حرفه ای برنامه های کاربردی وب می سازد و تجزیه و تحلیل داده ها را در پایتون، جاوا اسکریپت و سایر فناوری ها انجام می دهد. در گذشته، دراژن به عنوان دستیار پژوهشی کار می کرد و دکترای علوم کامپیوتر را در دانشگاه صنعتی وین انجام داد. او در آنجا کارایی انرژی مراکز داده توزیع شده جغرافیایی را مطالعه کرد و روی بهینه‌سازی زمان‌بندی VM بر اساس قیمت برق بلادرنگ و شرایط آب و هوایی کار کرد. او همچنین به عنوان یک همکار خارجی در مؤسسه Ruđer Bošković کار می کرد و در مورد روش های یادگیری ماشینی برای پیش بینی بحران های مالی تحقیق می کرد. در طول کار علمی دراژن، Python، Jupyter Notebook (در آن زمان هنوز هنوز IPython Notebook)، Matplotlib و Pandas بهترین دوستان او در طول شب‌های زیادی دستکاری تعاملی انواع سری‌های زمانی و داده‌های مکانی بودند. دراژن همچنین مدرک کارشناسی ارشد خود را در رشته علوم کامپیوتر در دانشگاه زاگرب گذراند.

Jupyter ژوپیتر Data Data Science داده علم داده