آموزش تجسم و مدل‌سازی داده‌ها با پایتون - آخرین آپدیت

دانلود Data Visualization and Modeling in Python

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: با تسلط بر تجسم و مدل‌سازی داده‌ها، مهارت‌های خود را در علوم داده با پایتون تکمیل کنید. این دوره برای برنامه‌نویسان سطح متوسط که تجربه‌ای در کار با NumPy و Pandas دارند و قصد دارند مهارت‌های خود را برای هر شغلی در حوزه علوم داده گسترش دهند، طراحی شده است. چه از طریق علوم اجتماعی و آمار وارد دنیای علوم داده شده باشید و چه پیشینه‌ای در برنامه‌نویسی داشته باشید، این دوره هر دو دیدگاه را با هم ادغام کرده و بینش‌های منحصر به فردی از هر یک ارائه می‌دهد. شما ابتدا با کتابخانه matplotlib، یکی از ضروری‌ترین ابزارهای ترسیم نمودار در پایتون، آشنا می‌شوید که شما را قادر می‌سازد بینش‌های مربوط به داده‌ها را به‌طور مؤثر کشف و منتقل کنید. سپس با ایجاد یک طبقه‌بندی‌کننده K-Nearest Neighbors (KNN) که یکی از الگوریتم‌های بنیادی در علوم داده و یادگیری ماشین است، وارد مبحث الگوریتم‌های طبقه‌بندی خواهید شد. در نهایت، برنامه‌های پایتونی خواهید نوشت که از مهارت‌های جدید شما در زمینه آمار استنباطی بهره می‌برند و شما را قادر می‌سازد تا روابط بین متغیرهای داده‌های خود را توصیف کنید. در پایان این دوره، شما قادر خواهید بود به سرعت یک مجموعه داده را تجسم کنید، آن را برای یافتن بینش‌ها بررسی کنید، روابط بین داده‌ها را تعیین نمایید و همه این‌ها را با نمودارهای مؤثر ارائه دهید. در آخرین ماژول، یک نمودار با کیفیت انتشار (Publication-quality) بر اساس داده‌هایی که خودتان آماده و پاک‌سازی کرده‌اید تولید خواهید کرد؛ این اولین اثر در پورتفولیو (نمونه‌کار) علوم داده شما خواهد بود. در طول این دوره، از طریق تکالیف برنامه‌نویسی تعاملی، دموهای کدنویسی زنده توسط دانشمندان داده و تحلیل داده‌های مربوط به مسائل واقعی (مانند انتشار کربن، قیمت املاک و مرگ و میر نوزادان)، تجربه عملی زیادی کسب خواهید کرد. فعالیت‌های هدایت‌شده در هر ماژول، تسلط شما را بر تکنیک‌های علوم داده و رویکرد تحلیلی به عنوان یک متخصص داده تقویت می‌کند. درک خود را از این مفاهیم حیاتی علوم داده تثبیت کنید و با تسلط بر تجسم و مدل‌سازی، ساخت پورتفولیو خود را آغاز کنید. این مسیر یادگیری تحول‌آفرین را از همین امروز شروع کنید!

سرفصل ها و درس ها

ترسیم نمودارها Plotting

  • چرا دانشمندان داده کدنویسی می‌کنند؟ Why Do Data Scientists Code?

پیش‌بینی Prediction

  • کدنویسی زنده: ایجاد و ارزیابی طبقه‌بندی‌کننده KNN Live Coding: Creating and Evaluating a KNN Classifier

رگرسیون Regression

  • کدنویسی زنده: بررسی داده‌ها با رگرسیون خطی Live Coding: Exploring Data with Linear Regression

پروژه نهایی Final Project

نمایش نظرات

آموزش تجسم و مدل‌سازی داده‌ها با پایتون
جزییات دوره
32h 14m
3
(آخرین آپدیت)
593
- از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده

Genevieve M. Lipp Genevieve M. Lipp

Kyle Bradbury Kyle Bradbury

Andrew D. Hilton Andrew D. Hilton