این دوره شما را از طریق تکنیک ها و روش های مورد استفاده برای تجسم داده ها با استفاده از کتابخانه های Matplotlib و Seaborn Python راهنمایی می کند. برای تقویت مهارت های تجسم داده های خود، همچنین یاد خواهید گرفت که چگونه بر کتابخانه بوکه پایتون مسلط شوید.
در اولین دوره، کتابخانه های MatPlotLib و Seaborn و روش های موجود را معرفی می کنیم. در دوره دوم، عملکردهای اصلی Matplotlib را بررسی خواهیم کرد: نحوه سفارشی سازی اشیاء Matplotlib، نحوه استفاده از تکنیک های مختلف ترسیم را بررسی خواهیم کرد، و در نهایت، بر نحوه ارتباط نتایج تمرکز خواهیم کرد.
سپس مهارتهای خود را در یک سناریوی واقعی که در آن از Python برای ساخت و کاوش مجموعه دادههای بازده مالی با استفاده از دادههای مربوط به قیمت پایانی سه سهام ذکر شده در شاخص NASDAQ 100 استفاده میکنید، عملی میکنید.
دوره تجسم داده های تعاملی با پایتون با استفاده از بوکه مهارت های لازم را برای ساختن نمودارهای پویا به شما می دهد. سپس با ترجمه دادههای مربوط به بازی ویدیویی معروف FIFA به یک بعد گرافیکی، آن مهارتها را عملی خواهید کرد.
اگر بازخوردی در رابطه با این دوره دارید، با ما در تماس باشید.
برای استفاده بیشتر از این دوره، باید از قبل با استفاده از پایتون آشنا باشید، که برای آن می توانید دوره ما را بگذرانید. دانش کتابخانه پانداهای پایتون نیز مفید خواهد بود و ممکن است بخواهید قبل از شروع این دوره، دوره های کار با پانداها و دوره های ما را بگذرانید.
داده های استفاده شده در این دوره را می توان در این قسمت یافت.
Andrea یک دانشمند داده در Cloud Academy است. او مشتاق مدلسازی آماری و الگوریتمهای یادگیری ماشین است، بهویژه برای حل وظایف تجاری.
او دارای مدرک دکترا در آمار است و در چندین مجله دانشگاهی با داوری همتایان منتشر کرده است. او همچنین نویسنده کتاب یادگیری ماشین کاربردی با پایتون است.
Andrea Giussani
Andrea یک دانشمند داده در Cloud Academy است. او مشتاق مدلسازی آماری و الگوریتمهای یادگیری ماشین است، بهویژه برای حل وظایف تجاری.
او دارای مدرک دکترا در آمار است و در چندین مجله دانشگاهی با داوری همتایان منتشر کرده است. او همچنین نویسنده کتاب یادگیری ماشین کاربردی با پایتون است.
نمایش نظرات