آموزش ابزارهای علوم داده (Data Science) - آخرین آپدیت

دانلود Tools for Data Science

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: برای موفقیت در حوزه علوم داده، باید در استفاده از ابزارهایی که متخصصان این رشته در شغل خود به کار می‌برند، مهارت داشته باشید. این دوره شما را با محبوب‌ترین ابزارهای علوم داده و نحوه استفاده از آن‌ها آشنا می‌کند. شما با جعبه‌ابزار یک دانشمند داده آشنا خواهید شد که شامل موارد زیر است: کتابخانه‌ها و پکیج‌ها، مجموعه‌داده‌ها (Data Sets)، مدل‌های یادگیری ماشین، کرنل‌ها و همچنین ابزارهای مختلف متن‌باز، تجاری، ابزارهای بیگ‌دیتا و ابزارهای مبتنی بر کلاود. در این مسیر با Jupyter Notebooks، JupyterLab، محیط RStudio IDE، سیستم Git، پلتفرم GitHub و Watson Studio کار خواهید کرد. شما درک خواهید کرد که هر ابزار برای چه هدفی استفاده می‌شود، چه زبان‌های برنامه‌نویسی را اجرا می‌کند و ویژگی‌ها و محدودیت‌های هر یک چیست. این دوره تجربیات عملی بسیاری را برای توسعه مهارت‌های شما در کار با ابزارهای علوم داده فراهم می‌کند. با ابزارهایی که در فضای ابری Skills Network Labs میزبانی شده‌اند، می‌توانید هر ابزار را تست کرده و دستورالعمل‌ها را برای اجرای کدهای ساده در پایتون، R یا اسکالا دنبال کنید. در پایان دوره، یک پروژه نهایی با استفاده از Jupyter Notebook ایجاد خواهید کرد. در این پروژه، توانایی خود را در آماده‌سازی نوت‌بوک، نوشتن مستندات با Markdown و به اشتراک‌گذاری کارهای خود با همتایانتان به نمایش خواهید گذاشت.

سرفصل ها و درس ها

مروری بر ابزارهای علوم داده Overview of Data Science Tools

  • معرفی دوره Course Introduction

  • دسته‌بندی ابزارهای علوم داده Categories of Data Science Tools

  • ابزارهای متن‌باز علوم داده - بخش اول Open Source Tools for Data Science - Part 1

  • ابزارهای متن‌باز علوم داده - بخش دوم Open Source Tools for Data Science - Part 2

  • ابزارهای تجاری علوم داده Commercial Tools for Data Science

  • ابزارهای مبتنی بر کلاود برای علوم داده Cloud Based Tools for Data Science

زبان‌های برنامه‌نویسی علوم داده Languages of Data Science

  • زبان‌های برنامه‌نویسی در علوم داده Languages of Data Science

  • آشنایی با زبان پایتون Introduction to Python

  • آشنایی با زبان R Introduction to R Language

  • آشنایی با زبان SQL Introduction to SQL

  • سایر زبان‌های مورد استفاده در علوم داده Other Languages for Data Science

پکیج‌ها، APIها، مجموعه‌داده‌ها و مدل‌ها Packages, APIs, Data Sets, and Models

  • کتابخانه‌های علوم داده Libraries for Data Science

  • رابط‌های برنامه‌نویسی کاربردی (APIs) Application Programming Interfaces (APIs)

  • مجموعه‌داده‌ها؛ موتور محرک علوم داده Data Sets - Powering Data Science

  • مدل‌های یادگیری ماشین - پیش‌بینی از طریق مدل‌ها Machine Learning Models – Learning from Models to Make Predictions

  • تبادل دارایی‌های مدل (Model Asset eXchange) The Model Asset eXchange

دفترچه‌های جوپیتر (Jupyter Notebooks) و JupyterLab Jupyter Notebooks and JupyterLab

  • معرفی Jupyter Notebooks Introduction to Jupyter Notebooks

  • شروع کار با جوپیتر Getting Started with Jupyter

  • کرنل‌های جوپیتر Jupyter Kernels

  • معماری جوپیتر Jupyter Architecture

  • محیط‌های تکمیلی Anaconda Jupyter Additional Anaconda Jupyter Environments

  • محیط‌های ابری تکمیلی جوپیتر Additional Cloud Based Jupyter Environments

محیط RStudio و گیت‌هاب (GitHub) RStudio & GitHub

  • معرفی زبان R و محیط RStudio Introduction to R and RStudio

  • ترسیم نمودارها در RStudio Plotting in RStudio

  • مروری بر Git و GitHub Overview of Git/GitHub

  • معرفی گیت‌هاب Introduction to GitHub

  • مخازن گیت‌هاب (Repositories) GitHub Repositories

  • شروع کار با گیت‌هاب GitHub - Getting Started

  • کار با شاخه‌ها (Branches) در گیت‌هاب GitHub - Working with Branches

پروژه نهایی و ارسال Final Project and Submission

نمایش نظرات

آموزش ابزارهای علوم داده (Data Science)
جزییات دوره
16h 16m
29
(آخرین آپدیت)
599,158
4.5 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده

Aije Egwaikhide Aije Egwaikhide

Svetlana Levitan Svetlana Levitan

Romeo Kienzler Romeo Kienzler