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

پیش نیازهای علم داده - Numpy، Matplotlib و Pandas در پایتون [ویدئو]

Data Science Prerequisites - Numpy, Matplotlib, and Pandas in Python [Video]

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: به دوره ای خوش آمدید که در آن با پشته NumPy در پایتون آشنا خواهید شد، که پیش نیاز مهمی برای یادگیری عمیق، یادگیری ماشین و علم داده است. در این دوره آموزشی، نحوه استفاده از NumPy، Matplotlib، Pandas، و SciPy را برای انجام وظایف حیاتی مرتبط با علم داده و یادگیری ماشین یاد خواهید گرفت. این شامل انجام محاسبات عددی و نمایش داده ها، تجسم داده ها با نمودارها، بارگذاری و دستکاری داده ها با استفاده از DataFrames، انجام آمار و احتمال، و ساخت مدل های یادگیری ماشین برای طبقه بندی و رگرسیون است. در این دوره ابتدا با NumPy شروع می کنیم. ما مزایای آرایه NumPy را درک خواهیم کرد و سپس به برخی از عملیات ماتریس پیچیده مانند محصولات، معکوس ها، تعیین کننده ها و حل سیستم های خطی نگاه خواهیم کرد. سپس به Matplotlib می پردازیم. در این بخش به بررسی برخی نمودارهای رایج یعنی نمودار خطی، نمودار پراکندگی و هیستوگرام می پردازیم. همچنین نحوه نمایش تصاویر با استفاده از Matplotlib را بررسی خواهیم کرد. در ادامه در مورد پانداها صحبت خواهیم کرد. ما بررسی خواهیم کرد که بارگذاری یک مجموعه داده با استفاده از Pandas در مقابل تلاش برای انجام دستی آن چقدر آسان تر است. سپس به برخی از عملیات چارچوب داده مفید در یادگیری ماشین نگاه خواهیم کرد، مانند فیلتر کردن بر اساس ستون، فیلتر کردن بر اساس ردیف و تابع اعمال. بعداً با SciPy آشنا خواهید شد. در این بخش، نحوه انجام محاسبات آماری رایج از جمله دریافت مقدار PDF، مقدار CDF، نمونه برداری از یک توزیع و تست آماری را یاد خواهید گرفت. در نهایت، برخی از اصول یادگیری ماشینی را نیز پوشش خواهیم داد که به ما کمک می‌کند سفر یادگیری عمیق خود را شروع کنیم. در پایان دوره، ما می توانیم با اطمینان از پشته NumPy در یادگیری عمیق و علم داده استفاده کنیم. تمام نوت بوک های مورد استفاده در این دوره در دسترس هستند: https://github.com/PacktPublishing/Data-Science-Prerequisites---Numpy-Matplotlib-and-Pandas-in-Python درک یادگیری ماشینی نظارت شده با مثال های دنیای واقعی درک و کدنویسی با استفاده از پشته NumPy برای پیاده سازی الگوریتم های عددی از NumPy، SciPy، Matplotlib و Pandas استفاده کنید. مزایا و معایب مدل های مختلف یادگیری ماشین را درک کنید یک مقدمه مختصر در مورد طبقه بندی و رگرسیون دریافت کنید یاد بگیرید چگونه PDF و CDF را تحت توزیع عادی محاسبه کنید این دوره برای کسانی طراحی شده است که به علم داده و یادگیری ماشین علاقه مند هستند، پایتون را می شناسند و می خواهند قدم بعدی را در کتابخانه های پایتون برای علم داده بردارند، یا علاقه مند به دستیابی به ابزارهایی برای پیاده سازی الگوریتم های یادگیری ماشینی برای این دوره، فرد باید مهارت های برنامه نویسی پایتون مناسب و درک اولیه جبر خطی و احتمالات را داشته باشد. اصول یادگیری ماشین را مطالعه کنید و نحوه استفاده از پشته NumPy را برای یادگیری عمیق در علم داده یاد بگیرید * نحوه استفاده از NumPy، Matplotlib، Pandas و SciPy را برای کارهای مهم در علم داده و یادگیری ماشین یاد بگیرید * انجام محاسبات عددی، تجسم داده ها، بارگذاری و مجموعه داده ها را با استفاده از پانداها دستکاری کنید
سرفصل ها و درس ها

خوش آمدید و لجستیک Welcome and Logistics

  • مقدمه و طرح کلی Introduction and Outline

  • منابع دوره Course Resources

NumPy NumPy

  • معرفی بخش NumPy NumPy Section Introduction

  • آرایه ها در مقابل لیست ها Arrays Versus Lists

  • محصول نقطه ای Dot Product

  • تست سرعت Speed Test

  • ماتریس ها Matrices

  • حل سیستم های خطی Solving Linear Systems

  • تولید داده ها Generating Data

  • تمرین NumPy NumPy Exercise

  • NumPy از کجا بیشتر بیاموزیم Where to Learn More NumPy

  • صندوق پیشنهادات Suggestion Box

Matplotlib Matplotlib

  • مقدمه بخش Matplotlib Matplotlib Section Introduction

  • نمودار خطی Line Chart

  • طرح پراکنده Scatterplot

  • هیستوگرام Histogram

  • ترسیم تصاویر Plotting Images

  • تمرین Matplotlib Matplotlib Exercise

  • کجا بیشتر بدانیم Matplotlib Where to Learn More Matplotlib

پانداها Pandas

  • معرفی بخش پانداها Pandas Section Introduction

  • در حال بارگذاری در داده ها Loading in Data

  • انتخاب سطر و ستون Selecting Rows and Columns

  • تابع apply(). The apply() Function

  • نقشه کشیدن با پانداها Plotting with Pandas

  • تمرین پانداها Pandas Exercise

  • پانداها کجا بیشتر بیاموزیم Where to Learn More Pandas

SciPy SciPy

  • معرفی بخش SciPy SciPy Section Introduction

  • PDF و CDF PDF and CDF

  • پیچیدگی Convolution

  • تمرین SciPy SciPy Exercise

  • SciPy از کجا بیشتر بیاموزیم Where to Learn More SciPy

مبانی یادگیری ماشین Machine Learning Basics

  • یادگیری ماشینی: بخش مقدمه Machine Learning: Section Introduction

  • طبقه بندی چیست؟ What Is Classification?

  • طبقه بندی در کد Classification in Code

  • رگرسیون چیست؟ What Is Regression?

  • رگرسیون در کد Regression in Code

  • وکتور ویژگی چیست؟ What Is a Feature Vector?

  • یادگیری ماشین چیزی جز هندسه نیست. Machine Learning Is Nothing but Geometry.

  • همه داده ها یکسان هستند All Data Is the Same

  • مقایسه مدل های مختلف یادگیری ماشین Comparing Different Machine Learning Models

  • یادگیری ماشین و یادگیری عمیق: موضوعات آینده Machine Learning and Deep Learning: Future Topics

  • یادگیری ماشین: خلاصه بخش Machine Learning: Section Summary

آموزش با استفاده از آبرنگ و تکه های طلا کارت های مکانی زیبا ایجاد کنید

آموزش با استفاده از آبرنگ و تکه های طلا کارت های مکانی زیبا ایجاد کنید

Create Elegant Place Cards Using Watercolor and Gold Flakes

آموزش آمادگی Cert: کارشناس دسترسی - Microsoft Office Specialist برای Office 2019 و Office 365

آموزش آمادگی Cert: کارشناس دسترسی - Microsoft Office Specialist برای Office 2019 و Office 365

Cert Prep: Access Expert - Microsoft Office Specialist for Office 2019 and Office 365

آموزش مبانی علم داده: مبانی (2019)

آموزش مبانی علم داده: مبانی (2019)

Data Science Foundations: Fundamentals (2019)

نمایش نظرات

پیش نیازهای علم داده - Numpy، Matplotlib و Pandas در پایتون [ویدئو]
جزییات دوره
4 h 21 m
42
Packtpub Packtpub
(آخرین آپدیت)
از 5
ندارد
دارد
دارد

https://donyad.com/d/1c9a68

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

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Lazy Programmer Lazy Programmer

برنامه نویس تنبل، یک معلم آنلاین برجسته، دارای مدرک کارشناسی ارشد دوگانه در مهندسی کامپیوتر و آمار، با یک دهه تخصص در یادگیری ماشین، تشخیص الگو، و یادگیری عمیق است که در آن دوره های پیشگامی را تألیف کرده است. سفر حرفه ای او شامل افزایش تبلیغات آنلاین و رسانه های دیجیتال، به ویژه افزایش نرخ کلیک و درآمد است. به عنوان یک مهندس نرم افزار همه کاره تمام پشته، او در Python، Ruby on Rails، C++ و غیره برتری دارد. دانش گسترده او حوزه هایی مانند بیوانفورماتیک و تجارت الگوریتمی را پوشش می دهد و مجموعه مهارت های متنوع او را به نمایش می گذارد. او که به ساده کردن موضوعات پیچیده اختصاص دارد، به عنوان یک چهره محوری در آموزش آنلاین ایستاده است و دانش آموزان را به طرز ماهرانه ای از طریق تفاوت های ظریف علم داده و هوش مصنوعی هدایت می کند.

Lazy Programmer Lazy Programmer

برنامه نویس تنبل، یک معلم آنلاین برجسته، دارای مدرک کارشناسی ارشد دوگانه در مهندسی کامپیوتر و آمار، با یک دهه تخصص در یادگیری ماشین، تشخیص الگو، و یادگیری عمیق است که در آن دوره های پیشگامی را تألیف کرده است. سفر حرفه ای او شامل افزایش تبلیغات آنلاین و رسانه های دیجیتال، به ویژه افزایش نرخ کلیک و درآمد است. به عنوان یک مهندس نرم افزار همه کاره تمام پشته، او در Python، Ruby on Rails، C++ و غیره برتری دارد. دانش گسترده او حوزه هایی مانند بیوانفورماتیک و تجارت الگوریتمی را پوشش می دهد و مجموعه مهارت های متنوع او را به نمایش می گذارد. او که به ساده کردن موضوعات پیچیده اختصاص دارد، به عنوان یک چهره محوری در آموزش آنلاین ایستاده است و دانش آموزان را به طرز ماهرانه ای از طریق تفاوت های ظریف علم داده و هوش مصنوعی هدایت می کند.

Python Pandas NumPy پایتون پانداها Data Data Science داده علم داده