آموزش آزمایشگاه ژوپیتر، نوت بوک ژوپیتر، گوگل کولب برای مبتدیان مطلق جاده تا یادگیری ماشین قسمت 2
Jupyter lab, jupyter notebook, google colab for absolute beginners road to machine learning part 2
در این دوره ما اصول اولیه آزمایشگاه و نوت بوک jupyter پایتون را یاد خواهیم گرفت. یکی از قدرتمندترین ابزارها برای دانشمند داده پایتون واقعی. این دوره اصول محیط مجازی در پایتون و همچنین کل دستورالعمل‌های نحوه نصب ژوپیتر را در مک (به همراه دستورالعمل‌های متنی برای ویندوز) پوشش می‌دهد. می‌توانید همه نمونه‌ها را در .
من پیدا کنیدJupyter ابزاری ایده‌آل برای مبتدیان یادگیری ماشین مطلق است زیرا محیط توسعه ساده با رابط بصری را فراهم می‌کند. دانشمندان داده در سراسر جهان روزانه از این نرم افزار استفاده می کنند. با یادگیری اصول اولیه در این دوره کوتاه به باشگاه بپیوندید.
دستور کار این دوره عبارت است از:
- مبانی محیط مجازی پایتون
- آزمایشگاه ژوپیتر
- دفترچه یادداشت Jupyter
- نشانه گذاری Jupyter
- نمونه آزمایشگاه ژوپیتر
- Google colab
- پروژه
پس از این دوره، مجموعه‌ای از دوره‌ها را ایجاد خواهیم کرد که در آنها به موارد ضروری کتابخانه‌های یادگیری ماشینی مانند پانداها، numpy، matplotlib و scikit-learn می‌پردازیم. با ما همراه باشید و نمایه من را بررسی کنید.
در این پروژه کلاسی از شما خواسته می شود که تجزیه و تحلیل داده ساده فایل csv انتخابی خود را که در یکی از ویدیوهای دوره ارائه می شود، تکرار کنید. به راحتی می توانید هر csv را از اینترنت دانلود کنید.
این پروژه شامل وظایف زیر است:
- محیط مجازی را به صورت محلی اجرا کنید.
- آزمایشگاه jupyter یا notebook را به صورت محلی اجرا کنید (جایگزینی برای اجرای آن در google colab نیز وجود دارد).
- پانداها و matplotlib را نصب کنید.
- فایل csv را برای نوت بوک خود در چارچوب داده پاندا بخوانید.
- داده های خود را دنبال کنید یا سر بزنید.
- داده ها را در نوت بوک خود رسم کنید.
بعد از اتمام کارها از نتیجه خود عکس بگیرید و به سیستم ارسال کنید. همچنین می توانید نمودارهای تولید شده را ارسال کنید.
نکات
اگر نمی‌توانید فایل csv خاصی را پیدا کنید، می‌توانید یکی از آنها را امتحان کنید:
درس ها Lessons
-
آزمایشگاه ژوپیتر Jupyter lab
-
پروژه Project
-
نوت بوک ژوپیتر Jupyter notebook
-
Google colab Google colab
-
محیط مجازی Virtual environment
-
کاهش ژوپیتر Jupyter markdown
-
مقدمه Introduction
-
نمونه آزمایشگاه ژوپیتر Jupyter lab example
https://donyad.com/d/1284
Michal Hucko
پایتون | داکر | کوبرنتیس
سلام دنیا!! نام من Michal Hucko است و من یک توسعه دهنده پرشور پایتون هستم. من معلم سابق دانشگاه هستم. من در حال گذراندن مقطع دکترا در رشته کامپیوتر بودم، اما به دلیل شرایط ناگوار تصمیم گرفتم در حال حاضر تحصیل را به تعویق بیندازم. به همین دلیل می خواهم علوم کامپیوتر را به صورت آنلاین تدریس کنم. امیدوارم بتوانم به شما در درک دنیای مدرن یادگیری ماشین و محاسبات توزیع شده کمک کنم.
علاوه بر برنامه نویسی، دوست دارم با همسرم، برادرم و دوستانم وقت بگذرانم. من یک مرد تناسب اندام پرشور هستم و گاهی اوقات بازی های رایانه ای انجام می دهم.
درباره حرفه مهندسی من
برای 5 سال گذشته من به عنوان یک توسعه دهنده توسعه دهندگان یادگیری ماشینی کار می کنم. من بیشتر با docker، kubernetes و python کار می کنم. در حال حاضر من برای یکی از بزرگترین شرکت های کامپیوتری در جهان کار می کنم :). می توانید برای رزومه کامل من را بررسی کنید.
درباره تحقیقات یادگیری ماشین من
من حرفه یادگیری ماشینی خود را با پردازش متن آغاز کردم. به طور خاص پردازش زبان طبیعی و طبقه بندی متن. برای 4 سال گذشته، من تحقیقاتم را به محاسبات عاطفی انجام دادم. در این زمینه من احساسات کاربر را بر اساس حرکات ماوس با استفاده از هوش مصنوعی پیش بینی می کردم. من نویسنده چند مقاله تحقیقاتی در زمینه محاسبات عاطفی و طبقه بندی متن هستم
من می خواهم دوره های متنوعی از دوره های مبتدی تا حرفه ای ارائه دهم. هر زمان که خواستید با من تماس بگیرید :)
درباره کلاس های من
در دانشگاه اصول برنامه نویسی رویه ای و اصول برنامه نویسی شی گرا را تدریس کردم. در اینجا در skillshare می‌خواهم کل بسته را برای مبتدیان مطلق در یادگیری ماشین پوشش دهم:
می‌خواهم پوشش دهم:
- مبانی پایتون
- پایتون شی گرا
- نوت بوک های Jupyter
- مبانی پایتون تجزیه و تحلیل داده ها
- مبانی پایتون در یادگیری ماشین
- مبانی داکر
- مبانی محاسبات توزیع شده
- و بسیاری دیگر
من اینجا برای مبتدیانی هستم که می خواهند زیبایی های یادگیری ماشینی مدرن را کشف کنند. :)
نمایش نظرات