آموزش یادگیری ماشینی برای مبتدیان مطلق - سطح 3
Machine Learning for Absolute Beginners - Level 3
قدرت ML را آزاد کنید
یادگیری ماشینی یکی از مهیج ترین زمینه ها در صنعت فناوری پیشرفته است که در کاربردهای مختلف شتاب بیشتری می گیرد. شرکت‌ها به دنبال دانشمندان داده، مهندسان داده و کارشناسان ML هستند تا محصولات، ویژگی‌ها و پروژه‌هایی را توسعه دهند که به آنها کمک کند تا قدرت یادگیری ماشین را آزاد کنند. در نتیجه، یک دانشمند داده یکی از ده شغل برتر در سراسر جهان است!
یادگیری ماشینی برای مبتدیان مطلق
برنامه آموزشی "یادگیری ماشین برای مبتدیان مطلق" برای مبتدیانی طراحی شده است که به دنبال درک جنبه نظری یادگیری ماشین و ورود به جنبه عملی علم داده هستند. آموزش به سطوح مختلف تقسیم می شود و هر سطح گروهی از موضوعات مرتبط را برای یک مسیر یادگیری گام به گام مستمر پوشش می دهد.
سطح 3 - تجسم داده با Matplotlib و Seaborn
سومین دوره، به عنوان بخشی از برنامه آموزشی، با هدف کمک به شما برای انجام تجزیه و تحلیل داده های اکتشافی (EDA) با تجسم یک مجموعه داده با استفاده از نمودارهای مختلف است. شما با استفاده از کتابخانه های معروف Matplotlib و Seaborn علم داده، از جمله:
، اصول تجسم داده ها را در پایتون خواهید آموخت.اصول Matplotlib
اصول دریازاد
انتخاب نمودار مناسب برای کار مناسب
نوار، نوار گروه‌بندی شده، نوار پشته‌ای، نمودارهای آب نبات چوبی
نمودار دایره ای، سه نقشه
نمودارهای خط، مساحت، منطقه پشته‌ای
هیستوگرام، چگالی، جعبه و ویسکر، نمودار ازدحام
نمودارهای پراکنده، کورلوگرام، نقشه حرارتی، Hexbin
هر بخش دارای یک تمرین خلاصه و همچنین یک راه حل کامل برای تمرین دانش جدید است.
بازی تازه شروع شده است!
در برنامه آموزشی ثبت نام کنید و سفر خود را برای تبدیل شدن به یک دانشمند داده آغاز کنید!
شروع کار با سطح 3! Getting Started with Level 3!
-
خوش آمدی! Welcome!
-
مسیر کلی یادگیری ما Our Overall Learning Path
-
چگونه تمرین کنیم؟ How to Practice?
تجسم داده ها با Matplotlib و Seaborn Data Visualization with Matplotlib and Seaborn
-
بررسی اجمالی Overview
-
Matplotlib - نمای کلی Matplotlib – Overview
-
Matplotlib - ارقام، محورها Matplotlib – Figures, Axes
-
Matplotlib - رابط های OO و Pyplot Matplotlib – The OO and Pyplot Interfaces
-
Matplotlib – بررسی مرجع APIs Matplotlib – APIs Reference Review
-
Seaborn - بررسی اجمالی Seaborn – Overview
-
Seaborn - توابع در سطح شکل و محور Seaborn – Figure and Axes-level Functions
-
Seaborn - سفارشی سازی نمودار Seaborn - Chart Customization
-
Seaborn – بررسی مرجع APIs Seaborn – APIs Reference Review
-
کمی در مورد NumPy A little bit about NumPy
-
نمودار مناسب برای شغل مناسب The Right Chart for the Right Job
نمودارهای رتبه بندی و تناسب Ranking and Proportion Charts
-
بررسی اجمالی Overview
-
نمودار میله ای Bar Chart
-
نمودار میله ای گروه بندی شده Grouped Bar Chart
-
نمودار آب نبات چوبی Lollipop Chart
-
نمودار میله ای انباشته Stacked Bar Chart
-
نمودار دایره ای Pie Chart
-
نمودار درختی Treemap Chart
-
بهینه سازی رنگ ها Optimizing Colors
-
تمرین 1 - نمودارهای رتبه بندی و تناسب Exercise 1 - Ranking and Proportion Charts
نمودارهای روند و توزیع Trend and Distribution Charts
-
بررسی اجمالی Overview
-
نمودار خطی Line Chart
-
نمودار مساحتی Area Chart
-
نمودار مساحت انباشته Stacked Area Chart
-
نمودار هیستوگرام Histogram Chart
-
نمودار منحنی چگالی Density Curve Chart
-
نمودار جعبه و ویسکر Box-and-Whisker Chart
-
نمودار ازدحام زنبورها Bee-swarm Chart
-
تمرین 2 - نمودارهای روند و توزیع Exercise 2 – Trend and Distribution Charts
نمودارهای همبستگی Correlation Charts
-
بررسی اجمالی Overview
-
نمودار پراکندگی Scatter Chart
-
Correlogram Correlogram
-
نقشه حرارت Heat-Map
-
Hexbin-Map Hexbin-Map
-
تمرین 3 - نمودارهای همبستگی Exercise 3 – Correlation Charts
خلاصه دوره Course Summary
-
بیایید خلاصه کنیم و از شما تشکر کنیم! Let’s Recap and Thank You!
-
*** جایزه *** *** BONUS ***
https://donyad.com/d/a05a0c
Idan Gabrieli
معلم آنلاین | ابر، داده، هوش مصنوعی
نمایش نظرات