آموزش علم داده: راهنمای کاربردی برای مبتدیان - آخرین آپدیت

دانلود Data Science_A Practical Guide for Beginners

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:

آموزش جامع علم داده: از مبانی تا پروژه‌های عملی

توضیحات دوره:

این دوره برای معرفی مبتدیان به حوزه جذاب و رو به رشد علم داده طراحی شده است. دانشجویان دانش بنیادی در مورد فرایند علم داده، از جمله جمع‌آوری داده، کاوش، پاک‌سازی و تجسم به دست خواهند آورد. از طریق تمرین عملی با کتابخانه‌های ضروری پایتون مانند NumPy، Pandas و Matplotlib، فراگیران مهارت‌های لازم برای دستکاری آرایه‌ها، کار با مجموعه‌داده‌های بزرگ و استخراج بینش‌های معنادار از داده‌ها را توسعه می‌دهند. آن‌ها اهمیت مدیریت مناسب داده‌ها، از جمله تکنیک‌های ادغام مجموعه‌داده‌ها، پاک‌سازی مقادیر از دست رفته، تبدیل داده‌ها و آماده‌سازی آن برای تجزیه و تحلیل را یاد خواهند گرفت. تکنیک‌های تجسم با استفاده از انواع نمودارها برای برقراری ارتباط موثر بینش‌های مبتنی بر داده مورد بررسی قرار می‌گیرند.

چه به دنبال پیگیری شغلی در علم داده باشید یا صرفاً می‌خواهید مهارت‌های تحلیلی خود را افزایش دهید، این دوره شما را به ابزارها و تجربه عملی برای کار با اطمینان با داده‌های دنیای واقعی مجهز می‌کند.

نتایج یادگیری:
در پایان این دوره، دانشجویان قادر خواهند بود:

  • درک گردش کار علم داده و اجزای اصلی آن.
  • انجام دستکاری داده با استفاده از NumPy و Pandas.
  • پاک‌سازی، سر و سامان دادن و آماده‌سازی مجموعه‌داده‌های بزرگ.
  • تجسم موثر داده‌ها با استفاده از Matplotlib.
  • اعمال تکنیک‌های علم داده بر روی مجموعه‌داده‌های دنیای واقعی.
  • برقراری ارتباط واضح بینش‌ها از طریق تجزیه و تحلیل و نمودارها.

بدین ترتیب، این دوره دانشجویان را قادر می‌سازد تا شکاف بین نیازهای دانشگاه و صنعت را پر کنند.

پیش‌نیازها:

یادگیرندگان باید درک اولیه‌ای از ریاضیات و آمار، آشنایی با اصول برنامه‌نویسی (ترجیحاً در پایتون) و علاقه وافری به حل مسئله مبتنی بر داده داشته باشند.


سرفصل ها و درس ها

مقدمه Introduction

  • مقدمه‌ای بر علم داده Introduction to Data science

  • جنبه‌های داده Facets of data

  • جلسه 4: فرآیند علم داده Lecture 4:Data Science Process

  • جلسه 5: معرفی نامپای (Numpy) Lecture 5 : Introduction to Numpy

  • جلسه 6: ایجاد آرایه، ویژگی‌ها و اشیاء Lecture 6:Creating array, attributes and objects

  • جلسه 7: عملیات پایه‌ای آرایه Lecture 7:Array basic operations

  • جلسه 8: اتصال، تقسیم، جستجو و مرتب‌سازی آرایه‌ها Lecture 8 :ARRAYS JOIN,SPLIT,SEARCH SORT

  • جلسه 9: اندیس‌گذاری، برش و تکرار آرایه‌ها Lecture 9:Array indexing,slicing and iterating

  • جلسه 10: کپی کردن آرایه‌ها، تغییر شکل آرایه Lecture 10:copying arrays,Array shape manipulation

  • جلسه 11: کاوش داده با استفاده از سری‌ها و دیتا فریم‌ها Lecture 11:EXPLORING DATA USING SERIES AND DATA FRAME

  • مقدمه‌ای بر علم داده Introduction to Data Science

  • مقدمه‌ای بر نامپای (Numpy) Introduction to Numpy

  • ویژگی‌های پایه‌ای نامپای (Numpy) Basic attributes on Numpy

  • ایجاد ویژگی‌ها در آرایه‌ها Creating attributes on arrays

  • عملیات پایه‌ای روی آرایه‌ها basic operation on arrays

  • ایجاد مقادیر تصادفی Creation of random values

دست‌کاری و پاک‌سازی داده در علم داده Data Wrangling and Data Cleaning in Data Science

  • مشکلات مواجهه با حجم زیاد داده Problems facing when handling large volumes of data

  • جلسه 13: تکنیک‌های عمومی برای مدیریت حجم زیاد داده lecture 13:General Techniques for handling large volumes of data

  • نکات برنامه‌نویسی عمومی برای مدیریت حجم زیاد داده General Programming Tips when handling large volumes of data

  • دست‌کاری داده (Data Wrangling) Data Wranglling

  • ترکیب و ادغام مجموعه‌های داده Combining and Merging Data Sets

  • تغییر شکل در دست‌کاری داده Reshape in Data Wrangling

  • پاک‌سازی و آماده‌سازی داده Data Cleaning and Preparation

  • مدیریت مقادیر از دست رفته (Missing Values) Handling Missing Values

  • تبدیل داده Data Transformation

  • دست‌کاری رشته String Manipulation

  • مشکلات مواجهه با حجم زیاد داده Problems facing handling large volumes of data

  • تکنیک‌هایی برای مدیریت حجم زیاد داده Techniques for handling large volumes of data

  • دست‌کاری رشته String manipulation

  • راه حل‌هایی برای مدیریت حجم زیاد داده Solutions for handling large volumes of data

نمایش نظرات

آموزش علم داده: راهنمای کاربردی برای مبتدیان
جزییات دوره
3.5 hours
20
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
1,005
5 از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Dr Padmini Panneer Selvam Dr Padmini Panneer Selvam

مهندس در Udemy