آموزش علم داده و تجزیه و تحلیل کسب و کار با پایتون

درس ها Lessons

• مبانی تجسم Visualization Basics

• درختان تصمیم گیری و جنگل های تصادفی Decision Trees and Random Forests

• تولید گزارش های PDF از Jupyter Generating PDF Reports from Jupyter

• تولید گزارش های PDF از Jupyter Generating PDF Reports from Jupyter

• یافتن و درک روابط در داده ها Finding and Understanding Relations in the Data

• | بارگذاری داده ها | | Data Loading |

• نمای کلی ابزار Tool Overview

• مقدمه ای بر عدالت یادگیری ماشینی Intro to Machine Learning Fairness

• تجسم اطلاعات مکانی Visualizing Geospatial Information

• بارگیری هر فایل داده Loading Any Data File

• بارگیری فایل های اکسل و CSV Loading Excel and CSV files

• | یادگیری ماشینی | | Machine Learning |

• مقابله با داده های از دست رفته Dealing with Missing Data

• اعتبار سنجی داده ها با طرحواره ها Validating Data with Schemas

• بارگیری داده ها از SQL Loading Data from SQL

• علم داده چیست؟ What is Data Science?

• | تجزیه و تحلیل داده های اکتشافی | | Exploratory Data Analysis |

• رمزگذاری داده های طبقه بندی شده Encoding Categorical Data

• آمار توصیفی Descriptive Statistics

• مقابله با داده های از دست رفته Dealing with Missing Data

• | تصاویر و گزارشات | | Visuals & Reports |

• چگونه برای یافتن راهنما How To Find Help

• اعتبارسنجی مدل های یادگیری ماشینی Validation of Machine Learning Models

• | تصاویر و گزارشات | | Visuals & Reports |

• ایجاد ارائه به طور مستقیم در Jupyter Creating Presentations directly in Jupyter

• طبقه بندی یادگیری ماشینی Machine Learning Classification

• برخورد با داده های عظیم Dealing with Huge Data

• مقدمه Introduction

• صادرات داده ها و تجسم ها Exporting Data and Visualizations

• یافتن و درک روابط در داده ها Finding and Understanding Relations in the Data

• کاوش داده های بصری Visual Data Exploration

• | تجزیه و تحلیل داده های اکتشافی | | Exploratory Data Analysis |

• | بارگذاری داده ها | | Data Loading |

• برخورد با داده های عظیم Dealing with Huge Data

• نتیجه گیری و تبریک! Conclusion and Congratulations!

• پروژه کلاس Class Project

• چگونه برای یافتن راهنما How To Find Help

• طبقه بندی یادگیری ماشینی Machine Learning Classification

• تقسیم داده ها به زیر مجموعه ها Dividing Data into Subsets

• مقیاس بندی و باینینگ داده های عددی Scaling and Binning Numerical Data

• نتیجه گیری و تبریک! Conclusion and Congratulations!

• مقدمه ای بر عدالت یادگیری ماشینی Intro to Machine Learning Fairness

• علم داده چیست؟ What is Data Science?

• ترکیب چندین منبع داده Combining Multiple Data Sources

• رگرسیون خطی برای پیش بینی قیمت Linear Regression for Price Prediction

• خوشه بندی داده ها برای بینش عمیق تر Data Clustering for Deeper Insights

• | پاکسازی اطلاعات | | Data Cleaning |

• اعتبار سنجی داده ها با طرحواره ها Validating Data with Schemas

• | پاکسازی اطلاعات | | Data Cleaning |

• قابلیت تفسیر ML ML Interpretability

• بارگیری هر فایل داده Loading Any Data File

• تجسم اطلاعات مکانی Visualizing Geospatial Information

• آمار توصیفی Descriptive Statistics

• درختان تصمیم گیری و جنگل های تصادفی Decision Trees and Random Forests

• اعتبارسنجی مدل های یادگیری ماشینی Validation of Machine Learning Models

• مبانی تجسم Visualization Basics

• پروژه کلاس Class Project

• قابلیت تفسیر ML ML Interpretability

• رگرسیون خطی برای پیش بینی قیمت Linear Regression for Price Prediction

• رمزگذاری داده های طبقه بندی شده Encoding Categorical Data

• کاوش داده های بصری Visual Data Exploration

• مقدمه Introduction

• خوشه بندی داده ها برای بینش عمیق تر Data Clustering for Deeper Insights

• تقسیم داده ها به زیر مجموعه ها Dividing Data into Subsets

• نمای کلی ابزار Tool Overview

• | یادگیری ماشینی | | Machine Learning |

• صادرات داده ها و تجسم ها Exporting Data and Visualizations

• بارگیری داده ها از SQL Loading Data from SQL

• ترکیب چندین منبع داده Combining Multiple Data Sources

• بارگیری فایل های اکسل و CSV Loading Excel and CSV files

• ایجاد ارائه به طور مستقیم در Jupyter Creating Presentations directly in Jupyter

• مقیاس بندی و باینینگ داده های عددی Scaling and Binning Numerical Data