آموزش پایتون برای نکات ، ترفندها و تکنیک های علوم داده
Python for Data Science Tips, Tricks, & Techniques
- کار با پرونده های مسطح ، از جمله پارکت
- خواندن داده ها با استفاده از API ها یا کتابخانه ها
- بازرسی و تجمیع داده ها با Pandas
- صادرات داده ها با Pandas
- ایجاد نمودارها با استفاده از ggplot
- سبک سازی نمودارها با استفاده از ggplot
- پایان تجسم داده ها
مقدمه Introduction
-
خوش آمدی Welcome
-
آنچه باید بدانید What you should know
-
با استفاده از پرونده های تمرینی Using the exercise files
1. مصرف داده 1. Ingesting Data
-
با داده های JSON کار کنید Work with JSON data
-
با پرونده های CSV کار کنید Work with CSV files
-
با پرونده های پارکت کار کنید Work with Parquet files
-
داده های API GitHub را بخوانید Read data from GitHub API
2. کاوش داده ها 2. Exploring Data
-
داده ها را با پاندا بخوانید Read data with Pandas
-
DataFrames را با پاندا بررسی کنید Inspect DataFrames with Pandas
-
داده های جمع شده با پاندا Aggregate data with Pandas
-
صادرات داده ها با پاندا Export data with Pandas
3. تجسم داده ها 3. Visualizing Data
-
نمودارهای اساسی در ggplot Basic charts in ggplot
-
چند برابر کوچک با ggplot Small multiples with ggplot
-
طرح های یک ظاهر طراحی شده در ggplot Styling plots in ggplot
-
توطئه های خود را تمام کنید Finish your plots
نتیجه Conclusion
-
مراحل بعدی Next steps
نمایش نظرات
نظری ارسال نشده است.
https://donyad.com/d/c43e
آموزش یادگیری تجزیه و تحلیل داده ها: 1 پایه
Learning Data Analytics: 1 Foundations
این دوره مهارت های تجزیه و تحلیل داده های بنیادی مانند تفکر مانند تحلیلگر ، جمع آوری داده های مفید ، جستجوی SQL ، تمیز کردن داده ها و موارد دیگر را پوشش می دهد. آیا شما آماده تحلیلگر هستید؟
آموزش معماری برنامه های کاربردی داده های بزرگ: مهندسی کاربرد حالت دسته ای
Architecting Big Data Applications: Batch Mode Application Engineering
در مورد موارد استفاده و بهترین روش ها برای معماری برنامه های حالت دسته ای با استفاده از فناوری های داده بزرگ مانند Hive و Apache Spark اطلاعات کسب کنید.
آموزش Data Science on Google Cloud Platform: راه حل های معماری
Data Science on Google Cloud Platform: Architecting Solutions
بیاموزید چگونه با استفاده از قابلیت های ارائه شده توسط Google Cloud Platform (GCP) راه حل های علم داده را در مقیاس معماری کنید.
آموزش 15 نکته برای فرود یک کار علوم داده
15 Tips for Landing a Data Science Job
نکاتی را برای فرود کار علمی رویایی خود دریافت کنید. بیاموزید که چگونه شبکه خود را فعال کنید ، کارهای خود را به نمایش بگذارید ، یک رزومه موثر ایجاد کنید و مصاحبه خود را ناخن بزنید.
Ben Sullins
کمک به پیشرفت شغلی خود در داده ها
Linkedin (لینکدین)
لینکدین: شبکه اجتماعی حرفه‌ای برای ارتباط و کارآفرینی
لینکدین به عنوان یکی از بزرگترین شبکه‌های اجتماعی حرفه‌ای، به میلیون‌ها افراد در سراسر جهان این امکان را می‌دهد تا ارتباط برقرار کنند، اطلاعات حرفه‌ای خود را به اشتراک بگذارند و فرصت‌های شغلی را کشف کنند. این شبکه اجتماعی به کاربران امکان می‌دهد تا رزومه حرفه‌ای خود را آپدیت کنند، با همکاران، دوستان و همکاران آینده ارتباط برقرار کنند، به انجمن‌ها و گروه‌های حرفه‌ای ملحق شوند و از مقالات و مطالب مرتبط با حوزه کاری خود بهره‌مند شوند.
لینکدین همچنین به کارفرمایان امکان می‌دهد تا به دنبال نیروهای با تجربه و مهارت مورد نیاز خود بگردند و ارتباط برقرار کنند. این شبکه حرفه‌ای به عنوان یک پلتفرم کلیدی برای بهبود دسترسی به فرصت‌های شغلی و گسترش شبکه حرفه‌ای خود، نقش مهمی را ایفا می‌کند. از این رو، لینکدین به عنوان یکی از مهمترین ابزارهای کارآفرینی و توسعه حرفه‌ای در دنیای امروز مورد توجه قرار دارد.