آموزش جامع علوم داده و کتابخانه scikit-learn در پایتون - آخرین آپدیت

مقدمه‌ای بر برنامه‌نویسی پایتون برای تست فرضیات Introduction to Python Programming for Hypothesis Testing

• معرفی دوره Course Introduction

• معرفی بخش اول Module Introduction

• مبانی پایتون و ژوپیتر نوت‌بوک Python and Jupyter Notebook Basics

• راه‌اندازی محیط برنامه‌نویسی Setting Up the Environment

• لیست‌ها (Lists) Lists

• دیکشنری‌ها (Dictionaries) Dictionaries

• حلقه‌ها (Loops) Loops

• توابع (Functions) Functions

• کتابخانه‌ها و ماژول‌ها Libraries and Modules

ایجاد فرضیه: آشنایی با Numpy، Pandas و Scikit Learn Creating a Hypothesis: Numpy, Pandas, and Scikit-Learn

• معرفی بخش دوم Module Introduction

• بررسی عمیق Numpy (قسمت اول) Deep Dive into Numpy (Part I)

• بررسی عمیق Numpy (قسمت دوم) Deep Dive Into Numpy (Part II)

• آشنایی با Pandas Introduction to Pandas

• بررسی تخصصی Pandas Pandas Deep Dive

• اتصال و مدیریت دیتافریم‌ها (قسمت اول) Joining and Manipulating Dataframes (I)

• اتصال و مدیریت دیتافریم‌ها (قسمت دوم) Joining and Manipulating Dataframes (II)

• اتصال و مدیریت دیتافریم‌ها (قسمت سوم) Joining and Manipulating Dataframes (III)

بررسی مجدد Scikit Learn: یادگیری ماشین برای تست فرضیات Scikit-Learn Revisited: ML for Hypothesis Testing

• معرفی بخش سوم Module Introduction

• کار با مستندات Scikit Learn Using the Scikit-Learn Docs

• بارگذاری و تحلیل مجموعه‌داده‌ها Loading and Analyzing datasets

• پیاده‌سازی رگرسیون خطی (قسمت اول) Applying Linear Regression (I)

• ریاضیات یادگیری ماشین Math of Machine Learning

• جمع‌بندی Scikit Learn Scikit-Learn Conclusion

استفاده از مدل طبقه‌بندی برای پیش‌بینی بیماری قلبی Using Classification to Predict the Presence of Heart Disease

• پیش‌بینی احتمال بیماری قلبی Predicting the Presence of Heart Disease