آموزش PySpark و Google Colab Primer For Data Science را کامل کنید

سرفصل ها و درس ها

به دوره خوش آمدید Welcome To The Course

• این دوره در مورد چیست؟ What Is This Course About?

• داده و کد Data and Code

• نصب پایتون Python Installation

• با محیط مشارکتی گوگل شروع کنید Start With Google Colaboratory Environment

• Google Colabs و GPU Google Colabs and GPU

• بسته های Google Colab Google Colab Packages

• PySpark چیست؟ What is PySpark?

• PySpark را در Google CoLab اجرا کنید Run PySpark Within Google CoLab

به دوره خوش آمدید Welcome To The Course

• این دوره در مورد چیست؟ What Is This Course About?

• داده و کد Data and Code

• نصب پایتون Python Installation

• با محیط مشارکتی گوگل شروع کنید Start With Google Colaboratory Environment

• Google Colabs و GPU Google Colabs and GPU

• بسته های Google Colab Google Colab Packages

• PySpark چیست؟ What is PySpark?

• PySpark را در Google CoLab اجرا کنید Run PySpark Within Google CoLab

داده های خود را در Google Drive دریافت کنید Get Your Data Into Google Drive

• درایو خود را سوار کنید Mount Your Drive

• باز کردن یک نوت بوک Jupyter Opening a Jupyter Notebook

• دسترسی به داده ها در درایو Accessing Data Within the Drive

• داده ها را از یک درایو محلی آپلود کنید Upload Data From a Local Drive

• بسته های جدید را نصب کنید Install New Packages

داده های خود را در Google Drive دریافت کنید Get Your Data Into Google Drive

• درایو خود را سوار کنید Mount Your Drive

• باز کردن یک نوت بوک Jupyter Opening a Jupyter Notebook

• دسترسی به داده ها در درایو Accessing Data Within the Drive

• داده ها را از یک درایو محلی آپلود کنید Upload Data From a Local Drive

• بسته های جدید را نصب کنید Install New Packages

شروع کار با Spark در Google Colab Getting Started With Spark Within Google Colab

• بیایید درخشان را شروع کنیم Let's Start Sparkling

• عیب یابی Troubleshoot

• در صورتی که همه چیز به درستی نصب شده باشد. In Case Everything Is Properly Installed.

• CSV را در Spark Framework بخوانید Read CSV into the Spark Framework

• اکتشاف داده های پایه Basic Data Exploration

• خلاصه سازی داده ها Data Summarisation

• استاندارد سازی داده ها Data Standardisation

• توابع تعریف شده توسط کاربر (UDF) User Defined Functions (UDF)

شروع کار با Spark در Google Colab Getting Started With Spark Within Google Colab

• بیایید درخشان را شروع کنیم Let's Start Sparkling

• عیب یابی Troubleshoot

• در صورتی که همه چیز به درستی نصب شده باشد. In Case Everything Is Properly Installed.

• CSV را در Spark Framework بخوانید Read CSV into the Spark Framework

• اکتشاف داده های پایه Basic Data Exploration

• خلاصه سازی داده ها Data Summarisation

• استاندارد سازی داده ها Data Standardisation

• توابع تعریف شده توسط کاربر (UDF) User Defined Functions (UDF)

مدل سازی آماری پایه Basic Statistical Modelling

• نظریه همبستگی Correlation Theory

• یک تحلیل همبستگی اجرا کنید Implement a Correlation Analysis

• OLS OLS

• پیاده سازی یک مدل OLS Implement an OLS Model

• رگرسیون ElasticNet ElasticNet Regression

• GLM چیست؟ What are GLMs?

• پیاده سازی مدل رگرسیون لجستیک Implement a Logistic Regression Model

• تئوری ارزیابی دقت Theory of Accuracy Assessment

• آناتومی یک مدل PySpark The Anatomy of a PySpark Model

• برخورد با مجموعه داده های مختلط Dealing With a Mixed Dataset

مدل سازی آماری پایه Basic Statistical Modelling

• نظریه همبستگی Correlation Theory

• یک تحلیل همبستگی اجرا کنید Implement a Correlation Analysis

• OLS OLS

• پیاده سازی یک مدل OLS Implement an OLS Model

• رگرسیون ElasticNet ElasticNet Regression

• GLM چیست؟ What are GLMs?

• پیاده سازی مدل رگرسیون لجستیک Implement a Logistic Regression Model

• تئوری ارزیابی دقت Theory of Accuracy Assessment

• آناتومی یک مدل PySpark The Anatomy of a PySpark Model

• برخورد با مجموعه داده های مختلط Dealing With a Mixed Dataset

به یادگیری ماشین خوش آمدید Welcome to Machine Learning

• یادگیری ماشینی چیست؟ What Is Machine Learning?

• توضیحات ML ML description

• نظریه RF RF Theory

• یک مدل جنگل تصادفی چند کلاسه را پیاده سازی کنید Implement a Multi-Class Random Forest Model

• دقت مدل RF را ارزیابی کنید Evaluate the RF Model Accuracy

• رگرسیون تصادفی جنگل Random Forest Regression

• مقدمه ای بر خطوط لوله Introduction to Pipelines

• استفاده از خطوط لوله Using Pipelines

• Unsupervised Classification-k به معنای نظریه است Unsupervised Classification-k means theory

• یک مدل K-Means را پیاده سازی کنید Implement a K-Means Model

به یادگیری ماشین خوش آمدید Welcome to Machine Learning

• یادگیری ماشینی چیست؟ What Is Machine Learning?

• توضیحات ML ML description

• نظریه RF RF Theory

• یک مدل جنگل تصادفی چند کلاسه را پیاده سازی کنید Implement a Multi-Class Random Forest Model

• دقت مدل RF را ارزیابی کنید Evaluate the RF Model Accuracy

• رگرسیون تصادفی جنگل Random Forest Regression

• مقدمه ای بر خطوط لوله Introduction to Pipelines

• استفاده از خطوط لوله Using Pipelines

• Unsupervised Classification-k به معنای نظریه است Unsupervised Classification-k means theory

• یک مدل K-Means را پیاده سازی کنید Implement a K-Means Model

مقدمه ای بر هوش مصنوعی (AI) Introduction To Artificial Intelligence (AI)

• هوش مصنوعی چیست؟ What Is AI?

• نظریه پشت ANN و DNN Theory Behind ANN and DNN

• راه اندازی یک مشکل شبکه عصبی Set Up a Neural Network Problem

• اتصالات مدل Model Fitting

• ANN با مجموعه داده های مختلط ANN With a Mixed Dataset

• تابع فعال سازی Activation Function

مقدمه ای بر هوش مصنوعی (AI) Introduction To Artificial Intelligence (AI)

• هوش مصنوعی چیست؟ What Is AI?

• نظریه پشت ANN و DNN Theory Behind ANN and DNN

• راه اندازی یک مشکل شبکه عصبی Set Up a Neural Network Problem

• اتصالات مدل Model Fitting

• ANN با مجموعه داده های مختلط ANN With a Mixed Dataset

• تابع فعال سازی Activation Function

سخنرانی های متفرقه Miscellaneous Lectures

• انواع داده های مختلف Different Data Types

سخنرانی های متفرقه Miscellaneous Lectures

• انواع داده های مختلف Different Data Types