به دوره آموزشی Python for Data Science - NumPy، Pandas Scikit-Learn خوش آمدید، جایی که می توانید مهارت های برنامه نویسی Python خود را در علم داده، به ویژه در NumPy، Pandas و Scikit-Learn آزمایش کنید.
برخی از موضوعاتی که در تمرینات NumPy خواهید یافت:
کار با آرایه های ناتوان
ایجاد آرایههای ناچیز
ایجاد آرایههای ناقص با مقادیر تصادفی
تکرار از طریق آرایه ها
برخورد با مقادیر از دست رفته
کار با ماتریس ها
خواندن/نوشتن فایلها
پیوستن به آرایه ها
تغییر شکل آرایه ها
محاسبه آمار آرایه پایه
مرتبسازی آرایهها
فیلتر کردن آرایه ها
تصویر به عنوان یک آرایه
جبر خطی
ضرب ماتریس
تعیین کننده ماتریس
مقدارهای ویژه و بردارهای ویژه
ماتریس معکوس
آرایه ها به هم ریخته
کار با چند جمله ای
کار با تاریخ
کار با رشته ها در آرایه
حل سیستم معادلات
بعضی از موضوعاتی که در تمرینات پانداها خواهید یافت:
کار با سری
کار با DatetimeIndex
کار با DataFrames
خواندن/نوشتن فایلها
کار با انواع داده های مختلف در DataFrames
کار با نمایه ها
کار با مقادیر از دست رفته
فیلتر کردن داده ها
مرتب سازی داده ها
گروهبندی دادهها
نقشه نگاری ستون ها
همبستگی محاسباتی
به هم پیوستن DataFrames
محاسبه آمار تجمعی
کار با مقادیر تکراری
آماده سازی داده ها برای مدل های یادگیری ماشین
رمزگذاری ساختگی
کار با فایل های csv و json
ادغام DataFrames
جدول محوری
موضوعاتی که در تمرینات Scikit-Learn پیدا خواهید کرد:
آماده سازی داده ها برای مدل های یادگیری ماشین
کار با مقادیر از دست رفته، کلاس SimpleImputer
طبقه بندی، رگرسیون، خوشه بندی
گسسته سازی
استخراج ویژگی
کلاس ویژگی های چند جمله ای
کلاس LabelEncoder
کلاس OneHotEncoder
کلاس StandardScaler
رمزگذاری ساختگی
تقسیم داده ها به مجموعه قطار و آزمایش
کلاس LogisticRegression
ماتریس سردرگمی
گزارش طبقه بندی
کلاس رگرسیون خطی
MAE - میانگین خطای مطلق
MSE - میانگین مربعات خطا
sigmoid()
entorpy
امتیاز دقت
کلاس DecisionTreeClassifier
کلاس GridSearchCV
کلاس RandomForestClassifier
کلاس CountVetorizer
کلاس TfidfVetorizer
کلاس KMeans
کلاس Clustering Agglomerative
کلاس HierarchicalClustering
کلاس DBSCAN
کاهش ابعاد، تجزیه و تحلیل PCA
قوانین انجمن
کلاس LocalOutlierFactor
کلاس IsolationForest
کلاس KNeighborsClassifier
کلاس MultinomialNB
کلاس GradientBoostingRegressor
این دوره برای افرادی طراحی شده است که دانش اولیه در بسته های Python، NumPy، Pandas و Scikit-Learn دارند. این شامل 330 تمرین با راه حل است. این یک آزمون عالی برای افرادی است که در حال یادگیری زبان پایتون و علم داده هستند و به دنبال چالش های جدید هستند. تمرینات نیز آزمون خوبی قبل از مصاحبه هستند. بسیاری از موضوعات محبوب در این دوره پوشش داده شد.
اگر میپرسید آیا ارزش دارد قدمی به سمت پایتون بردارید، دیگر درنگ نکنید و همین امروز چالش را انجام دهید.
نظری ارسال نشده است.
یودمی یکی از بزرگترین پلتفرمهای آموزشی آنلاین است که به میلیونها کاربر در سراسر جهان امکان دسترسی به دورههای متنوع و کاربردی را فراهم میکند. این پلتفرم امکان آموزش در زمینههای مختلف از فناوری اطلاعات و برنامهنویسی گرفته تا زبانهای خارجی، مدیریت، و هنر را به کاربران ارائه میدهد. با استفاده از یودمی، کاربران میتوانند به صورت انعطافپذیر و بهینه، مهارتهای جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.
یکی از ویژگیهای برجسته یودمی، کیفیت بالای دورهها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد میدهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و میتوانند به بهترین شکل ممکن از آموزشها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرمهای آموزشی آنلاین، به افراد امکان میدهد تا به راحتی و با کیفیت، مهارتهای مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.