آموزش پروژه های دنیای واقعی علم داده در پایتون

سرفصل ها و درس ها

معرفی این دوره Introduction to this course

• معرفی این دوره Intro to this course

• از QnA دوره (فرصت طلایی) استفاده کنید! Utilize QnA of the course ( Golden Oppurtunity ) !

• نصب Anaconda Navigator Installation of Anaconda Navigator

• خلاصه سریع نوت بوک Jupyter Quick Summary of Jupyter Notebook

معرفی این دوره Introduction to this course

مقدمه ای بر علم داده Introduction to Data Science

• علم داده و کاربردهای آن Data Science & its Applications

• چرخه حیات پروژه علم داده در دنیای واقعی Life-cycle of data science project in Real World

مقدمه ای بر علم داده Introduction to Data Science

پروژه 1-->> پیش بینی کرایه بلیط های خطوط هوایی با استفاده از یادگیری ماشینی Project 1-->> Predict Fare of Airlines Tickets using Machine Learning

• مقدمه ای بر مسائل تجاری و مجموعه داده ها Introduction to Business Problem & Dataset

• مجموعه داده ها و منابع Datasets & Resources

• بیایید داده های ما را بخوانیم! Lets read our data !

• انجام پیش پردازش داده ها و استخراج ویژگی های مشتق شده. Perform data-preprocessing & extract derived Features .

• انجام پاکسازی و ویژگی‌سازی داده‌ها. Perform data Cleaning & Featurization .

• اجازه می دهد تا تجزیه و تحلیل داده ها را انجام دهیم Lets Perform Data Analysis

• انجام پیش پردازش داده در ویژگی Duration. Perform Data Pre-processing on Duration Feature.

• تجزیه و تحلیل کنید که آیا مدت زمان بر قیمت تأثیر می گذارد یا نه؟ Analyse whether Duration impacts Price or not ?

• بیایید تجزیه و تحلیل دو متغیره را انجام دهیم! Lets Perform Bi-variate Analysis !

• اعمال رمزگذاری یکباره روی داده ها (ویژگی رمزگذاری) Applying one-hot Encoding on data ( feature Encoding)

• اعمال رمزگذاری هدایت شده هدف بر روی داده ها.. Applying target guided encoding on data..

• نحوه رسیدگی به Outliers در داده ها How to handle Outliers in data.

• بهترین ویژگی ها را با استفاده از انتخاب ویژگی انتخاب کنید! Select Best features using Feature Selection !

• شهود پشت جنگل تصادفی قسمت 1 Intuition Behind Random Forest Part-1

• شهود پشت جنگل تصادفی قسمت 2 Intuition Behind Random Forest Part-2

• استفاده از الگوریتم یادگیری ماشین بر روی داده ها Applying Machine Learning algorithm on data.

• شهود پشت درخت تصمیم - قسمت 1 Intuition Behind Decision Tree- Part 1

• شهود پشت درخت تصمیم - قسمت 2 Intuition Behind Decision Tree- Part 2

• شهود پشت درخت تصمیم - قسمت 3 Intuition Behind Decision Tree- Part 3

• شهود پشت درخت تصمیم - قسمت 4 Intuition Behind Decision Tree- Part 4

• شهود پشت درخت تصمیم - قسمت 5 Intuition Behind Decision Tree- Part 5

• شهود پشت درخت تصمیم - قسمت 6 Intuition Behind Decision Tree- Part 6

• شهود پشت رگرسیون خطی - قسمت 1 Intuition Behind Linear Regression- Part 1

• شهود پشت رگرسیون خطی - قسمت 2 Intuition Behind Linear Regression- Part 2

• شهود پشت رگرسیون خطی - قسمت 3 Intuition Behind Linear Regression- Part 3

• شهود پشت KNN- قسمت 1 Intuition Behind KNN- Part 1

• شهود پشت KNN- قسمت 2 Intuition Behind KNN- Part 2

• شهود پشت KNN- قسمت 3 Intuition Behind KNN- Part 3

• شهود پشت KNN- قسمت 4 Intuition Behind KNN- Part 4

• چگونه خط لوله یادگیری ماشین را خودکار کنیم How to automate Machine Learning pipeline

• شهود پشت اعتبارسنجی متقاطع - قسمت 1 Intuition Behind Cross Validation- Part 1

• Intuition Behind Cross Validation - قسمت 2 Intuition Behind Cross Validation- Part 2

• چگونه مدل یادگیری ماشینی را هایپرتونیک کنیم.. How to hypertune Machine Learning model..

پروژه 1-->> پیش بینی کرایه بلیط های خطوط هوایی با استفاده از یادگیری ماشینی Project 1-->> Predict Fare of Airlines Tickets using Machine Learning

پروژه 2-->> قدرت رمز عبور را با استفاده از پردازش زبان طبیعی پیش بینی کنید Project 2-->> Predict Password Strength using Natural Language Processing

• مقدمه ای بر مسائل تجاری و مجموعه داده ها Introduction to Business Problem & Dataset

• مجموعه داده ها و منابع Datasets & Resources

• کاوش در داده های شما Exploring your data

• شهود پشت TF-IDF -- قسمت 1 Intuition behind TF-IDF --part 1

• شهود پشت TF-IDF -- قسمت 2 Intuition behind TF-IDF --part 2

• TF-IDF را روی داده ها اعمال کنید Apply TF-IDF on data

• شهود پشت رگرسیون لجستیک -- قسمت 1 Intuition behind Logistic Regression --part 1

• شهود پشت رگرسیون لجستیک -- قسمت 2 Intuition behind Logistic Regression --part 2

• الگوریتم یادگیری ماشین را روی داده ها اعمال کنید Apply Machine Learning algorithm on Data

• بررسی دقت مدل Checking Accuracy of Model

پروژه 2-->> قدرت رمز عبور را با استفاده از پردازش زبان طبیعی پیش بینی کنید Project 2-->> Predict Password Strength using Natural Language Processing

پروژه 3-->> پیش بینی قیمت سهام با استفاده از تجزیه و تحلیل سری زمانی Project 3-->> Predict Stock Prices using Time Series Analysis

• مقدمه ای بر مسائل تجاری و مجموعه داده ها Introduction to Business Problem & Dataset

• مجموعه داده ها و منابع Datasets & Resources

• تجزیه و تحلیل داده های سری زمانی Analyzing Time Series data

• آماده سازی داده ها برای پیش بینی سری های زمانی Data preparation for Time Series Forecasting

• شهود پشت ARIMA -- قسمت 1 Intuition behind ARIMA --part 1

• شهود پشت مدل MA -- ARIMA قسمت 2 Intuition behind MA model --ARIMA part 2

• شهود پشت مدل AR -- ARIMA قسمت 3 Intuition behind AR model -- ARIMA part 3

• شهود پشت ادغام -- ARIMA قسمت 4 Intuition behind Integrating -- ARIMA part 4

• استفاده از Auto-Arima (الگوریتم سری زمانی) روی داده ها Applying Auto-Arima(Time Series algorithm) on data

• ارزیابی مدل سری زمانی Evaluating Time Series Model

پروژه 3-->> پیش بینی قیمت سهام با استفاده از تجزیه و تحلیل سری زمانی Project 3-->> Predict Stock Prices using Time Series Analysis

جلسه پاداش Bonus Session

• بخش پاداش Bonus Section

جلسه پاداش Bonus Session