آموزش 100+ تمرین - پایتون - علم داده - scikit-learn - 2022

100+ Exercises - Python - Data Science - scikit-learn - 2022

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: مهارت های یادگیری ماشینی خود را بهبود بخشید و بیش از 100 تمرین را در python، numpy، پانداها و scikit-learn حل کنید! حل بیش از 100 تمرین در numpy، پانداها و scikit-learn پرداختن به مسائل برنامه نویسی واقعی در کار علم داده با مستندات و Stack Overflow تضمینی پشتیبانی مربی مسیر یادگیری دانش پایه NumPy دانش پایه پانداها دانش پایه Sicit-learn و مفاهیم یادگیری ماشینی دوره هایی دارم که می تواند به کسب تمام مهارت های لازم برای این دوره کمک کند این دوره برای چه کسانی است: هرکسی که می خواهد با انجام همه کارها یاد بگیرد. چه کسی می خواهد مهارت های برنامه نویسی پایتون را بهبود بخشد همه کسانی که می خواهند مهارت های علم داده را بهبود بخشند همه کسانی که می خواهند مهارت های یادگیری ماشین را بهبود بخشند همه کسانی که می خواهند برای مصاحبه با دانشمندان داده/تجزیه و تحلیل داده/مهندسان یادگیری ماشین آماده شوند.

به 100+ تمرین - Python - Data Science - دوره آموزشی scikit خوش آمدید که در آن می‌توانید مهارت‌های برنامه‌نویسی پایتون خود را در یادگیری ماشین، به‌ویژه در بسته‌های scikit-learn آزمایش کنید.


موضوعاتی که در تمرینات خواهید یافت:

  • 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

  • تابع

    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 پایه در Python، numpy، پانداها و scikit-learn دارند. این شامل بیش از 100 تمرین با راه حل است. این یک آزمون عالی برای افرادی است که در حال یادگیری یادگیری ماشینی 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.


نظرسنجی توسعه دهندگان سرریز پشته

طبق نظرسنجی توسعه‌دهندگان Stack Overflow در سال 2021، پایتون پرطرفدارترین زبان برنامه‌نویسی است که NumPy دومین ابزار پرکاربرد در رده «سایر چارچوب‌ها و کتابخانه‌ها» است. پایتون با عبور از SQL به سومین فناوری محبوب ما تبدیل شد. Python همان زبانی است که توسعه‌دهندگان می‌خواهند با آن کار کنند، اگر قبلاً این کار را انجام نمی‌دهند.


سرفصل ها و درس ها

پیکربندی (اختیاری) Configuration (optional)

  • اطلاعات Info

  • الزامات Requirements

  • Google Colab + Google Drive Google Colab + Google Drive

  • Google Colab + GitHub Google Colab + GitHub

  • Google Colab - مقدمه Google Colab - Intro

  • نصب آناکوندا - ویندوز 10 Anaconda installation - Windows 10

  • مقدمه ای بر اسپایدر Introduction to Spyder

  • نصب آناکوندا - لینوکس Anaconda installation - Linux

نکات Tips

  • چند کلمه از نویسنده A few words from the author

شروع کننده Starter

  • تمرین 0 Exercise 0

  • راه حل 0 Solution 0

تمرینات 1-10 Exercises 1-10

  • تمرین 1 Exercise 1

  • راه حل 1 Solution 1

  • تمرین 2 Exercise 2

  • راه حل 2 Solution 2

  • تمرین 3 Exercise 3

  • راه حل 3 Solution 3

  • تمرین 4 Exercise 4

  • راه حل 4 Solution 4

  • تمرین 5 Exercise 5

  • راه حل 5 Solution 5

  • تمرین 6 Exercise 6

  • راه حل 6 Solution 6

  • تمرین 7 Exercise 7

  • راه حل 7 Solution 7

  • تمرین 8 Exercise 8

  • راه حل 8 Solution 8

  • تمرین 9 Exercise 9

  • راه حل 9 Solution 9

  • تمرین 10 Exercise 10

  • راه حل 10 Solution 10

تمرینات 11-20 Exercises 11-20

  • تمرین 11 Exercise 11

  • راه حل 11 Solution 11

  • تمرین 12 Exercise 12

  • راه حل 12 Solution 12

  • تمرین 13 Exercise 13

  • راه حل 13 Solution 13

  • تمرین 14 Exercise 14

  • راه حل 14 Solution 14

  • تمرین 15 Exercise 15

  • راه حل 15 Solution 15

  • تمرین 16 Exercise 16

  • راه حل 16 Solution 16

  • تمرین 17 Exercise 17

  • راه حل 17 Solution 17

  • تمرین 18 Exercise 18

  • راه حل 18 Solution 18

  • تمرین 19 Exercise 19

  • راه حل 19 Solution 19

  • تمرین 20 Exercise 20

  • راه حل 20 Solution 20

تمرینات 21-30 Exercises 21-30

  • تمرین 21 Exercise 21

  • راه حل 21 Solution 21

  • تمرین 22 Exercise 22

  • راه حل 22 Solution 22

  • تمرین 23 Exercise 23

  • راه حل 23 Solution 23

  • تمرین 24 Exercise 24

  • راه حل 24 Solution 24

  • تمرین 25 Exercise 25

  • راه حل 25 Solution 25

  • تمرین 26 Exercise 26

  • راه حل 26 Solution 26

  • تمرین 27 Exercise 27

  • راه حل 27 Solution 27

  • تمرین 28 Exercise 28

  • راه حل 28 Solution 28

  • تمرین 29 Exercise 29

  • راه حل 29 Solution 29

  • تمرین 30 Exercise 30

  • راه حل 30 Solution 30

تمرینات 31-40 Exercises 31-40

  • تمرین 31 Exercise 31

  • راه حل 31 Solution 31

  • تمرین 32 Exercise 32

  • راه حل 32 Solution 32

  • تمرین 33 Exercise 33

  • راه حل 33 Solution 33

  • تمرین 34 Exercise 34

  • راه حل 34 Solution 34

  • تمرین 35 Exercise 35

  • راه حل 35 Solution 35

  • تمرین 36 Exercise 36

  • راه حل 36 Solution 36

  • تمرین 37 Exercise 37

  • راه حل 37 Solution 37

  • تمرین 38 Exercise 38

  • راه حل 38 Solution 38

  • تمرین 39 Exercise 39

  • راه حل 39 Solution 39

  • تمرین 40 Exercise 40

  • راه حل 40 Solution 40

تمرینات 41-50 Exercises 41-50

  • تمرین 41 Exercise 41

  • راه حل 41 Solution 41

  • تمرین 42 Exercise 42

  • راه حل 42 Solution 42

  • تمرین 43 Exercise 43

  • راه حل 43 Solution 43

  • تمرین 44 Exercise 44

  • راه حل 44 Solution 44

  • تمرین 45 Exercise 45

  • راه حل 45 Solution 45

  • تمرین 46 Exercise 46

  • راه حل 46 Solution 46

  • تمرین 47 Exercise 47

  • راه حل 47 Solution 47

  • تمرین 48 Exercise 48

  • راه حل 48 Solution 48

  • تمرین 49 Exercise 49

  • راه حل 49 Solution 49

  • تمرین 50 Exercise 50

  • راه حل 50 Solution 50

تمرینات 51-60 Exercises 51-60

  • تمرین 51 Exercise 51

  • راه حل 51 Solution 51

  • تمرین 52 Exercise 52

  • راه حل 52 Solution 52

  • تمرین 53 Exercise 53

  • راه حل 53 Solution 53

  • تمرین 54 Exercise 54

  • راه حل 54 Solution 54

  • تمرین 55 Exercise 55

  • راه حل 55 Solution 55

  • تمرین 56 Exercise 56

  • راه حل 56 Solution 56

  • تمرین 57 Exercise 57

  • راه حل 57 Solution 57

  • تمرین 58 Exercise 58

  • راه حل 58 Solution 58

  • تمرین 59 Exercise 59

  • راه حل 59 Solution 59

  • تمرین 60 Exercise 60

  • راه حل 60 Solution 60

تمرینات 61-70 Exercises 61-70

  • تمرین 61 Exercise 61

  • راه حل 61 Solution 61

  • تمرین 62 Exercise 62

  • راه حل 62 Solution 62

  • تمرین 63 Exercise 63

  • راه حل 63 Solution 63

  • تمرین 64 Exercise 64

  • راه حل 64 Solution 64

  • تمرین 65 Exercise 65

  • راه حل 65 Solution 65

  • تمرین 66 Exercise 66

  • راه حل 66 Solution 66

  • تمرین 67 Exercise 67

  • راه حل 67 Solution 67

  • تمرین 68 Exercise 68

  • راه حل 68 Solution 68

  • تمرین 69 Exercise 69

  • راه حل 69 Solution 69

  • تمرین 70 Exercise 70

  • راه حل 70 Solution 70

تمرینات 71-80 Exercises 71-80

  • تمرین 71 Exercise 71

  • راه حل 71 Solution 71

  • تمرین 72 Exercise 72

  • راه حل 72 Solution 72

  • تمرین 73 Exercise 73

  • راه حل 73 Solution 73

  • تمرین 74 Exercise 74

  • راه حل 74 Solution 74

  • تمرین 75 Exercise 75

  • راه حل 75 Solution 75

  • تمرین 76 Exercise 76

  • راه حل 76 Solution 76

  • تمرین 77 Exercise 77

  • راه حل 77 Solution 77

  • تمرین 78 Exercise 78

  • راه حل 78 Solution 78

  • تمرین 79 Exercise 79

  • راه حل 79 Solution 79

  • تمرین 80 Exercise 80

  • راه حل 80 Solution 80

تمرینات 81-90 Exercises 81-90

  • تمرین 81 Exercise 81

  • راه حل 81 Solution 81

  • تمرین 82 Exercise 82

  • راه حل 82 Solution 82

  • تمرین 83 Exercise 83

  • راه حل 83 Solution 83

  • تمرین 84 Exercise 84

  • راه حل 84 Solution 84

  • تمرین 85 Exercise 85

  • راه حل 85 Solution 85

  • تمرین 86 Exercise 86

  • راه حل 86 Solution 86

  • تمرین 87 Exercise 87

  • راه حل 87 Solution 87

  • تمرین 88 Exercise 88

  • راه حل 88 Solution 88

  • تمرین 89 Exercise 89

  • راه حل 89 Solution 89

  • تمرین 90 Exercise 90

  • راه حل 90 Solution 90

تمرینات 91-100 Exercises 91-100

  • تمرین 91 Exercise 91

  • راه حل 91 Solution 91

  • تمرین 92 Exercise 92

  • راه حل 92 Solution 92

  • تمرین 93 Exercise 93

  • راه حل 93 Solution 93

  • تمرین 94 Exercise 94

  • راه حل 94 Solution 94

  • تمرین 95 Exercise 95

  • راه حل 95 Solution 95

  • تمرین 96 Exercise 96

  • راه حل 96 Solution 96

  • تمرین 97 Exercise 97

  • راه حل 97 Solution 97

  • تمرین 98 Exercise 98

  • راه حل 98 Solution 98

  • تمرین 99 Exercise 99

  • راه حل 99 Solution 99

  • تمرین 100 Exercise 100

  • راه حل 100 Solution 100

تمرینات 100+ Exercises 100+

  • تمرین 101 Exercise 101

  • راه حل 101 Solution 101

جایزه Bonus

  • جایزه Bonus

نمایش نظرات

آموزش 100+ تمرین - پایتون - علم داده - scikit-learn - 2022
جزییات دوره
28 mins
112
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
32,947
4.5 از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Paweł Krakowiak Paweł Krakowiak

دانشمند داده ، کارگزار اوراق بهادار دانشمند داده ، کارگزار اوراق بهادار موسس e-smartdata [.] org. طرفدار بزرگ فن آوری های جدید ، به ویژه در زمینه های هوش مصنوعی ، داده های بزرگ و راه حل های ابری. فارغ التحصیل تحصیلات تکمیلی در آکادمی فناوری اطلاعات لهستان و ژاپن در رشته علوم کامپیوتر در تخصص Big Data. فارغ التحصیل دوره کارشناسی ارشد در ریاضیات مالی و حسابداری در دانشکده ریاضیات و علوم کامپیوتر دانشگاه لودز. دارنده پروانه سهام کارگزار سهام با تجربه در تدریس در دانشگاه. مدرس بنیاد GPW (تجزیه و تحلیل فنی ، امور مالی رفتاری و مدیریت نمونه کارها).