آموزش تحلیل داده‌ها با پایتون - آخرین آپدیت

دانلود Data Analysis with Python

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: تحلیل داده‌ها با پایتون یکی از مهارت‌های کلیدی برای کسانی است که قصد دارند به دانشمند یا تحلیلگر داده تبدیل شوند! این دوره شما را از مبانی وارد کردن و پاک‌سازی داده‌ها تا ساخت و ارزیابی مدل‌های پیش‌بینی‌کننده همراهی می‌کند. شما خواهید آموخت که چگونه داده‌ها را از منابع مختلف جمع‌آوری کنید، آن‌ها را سازماندهی و قالب‌بندی نمایید، تحلیل اکتشافی داده‌ها (EDA) را انجام دهید و بصری‌سازی‌های موثری خلق کنید. در ادامه مسیر، مدل‌های رگرسیون خطی، چندگانه و چندجمله‌ای را خواهید ساخت، خط لوله‌های داده (Data Pipelines) را طراحی کرده و مدل‌های خود را برای دقت بیشتر بهینه‌سازی می‌کنید. از طریق آزمایشگاه‌های عملی و پروژه‌های واقعی، تجربه کار با کتابخانه‌های محبوب پایتون مانند Pandas، NumPy، Matplotlib، Seaborn، SciPy و Scikit-learn را کسب خواهید کرد. این ابزارها به شما کمک می‌کنند تا داده‌ها را مدیریت کرده، بینش‌های ارزشمندی استخراج نمایید و پیش‌بینی‌های دقیقی انجام دهید. با تکمیل این دوره، نه‌تنها مهارت‌های قدرتمندی در تحلیل داده‌ها کسب می‌کنید، بلکه گواهینامه کورسرا و نشان دیجیتال IBM را برای نمایش دستاوردهای خود دریافت خواهید کرد.

سرفصل ها و درس ها

وارد کردن مجموعه‌داده‌ها Importing Data Sets

  • معرفی دوره Course Introduction

  • درک مفاهیم داده‌ها Understanding the Data

  • پکیج‌های پایتون برای علوم داده Python Packages for Data Science

  • وارد کردن و خروجی گرفتن داده‌ها در پایتون Importing and Exporting Data in Python

  • شروع تحلیل داده‌ها در پایتون Getting Started Analyzing Data in Python

  • دسترسی به پایگاه‌های داده با پایتون Accessing Databases with Python

سازماندهی و آماده‌سازی داده‌ها Data Wrangling

  • پیش‌پردازش داده‌ها در پایتون Pre-processing Data in Python

  • مدیریت مقادیر گم‌شده در پایتون Dealing with Missing Values in Python

  • قالب‌بندی داده‌ها در پایتون Data Formatting in Python

  • نرمال‌سازی داده‌ها در پایتون Data Normalization in Python

  • دسته‌بندی (Binning) در پایتون Binning in Python

  • تبدیل متغیرهای کیفی به متغیرهای کمی در پایتون Turning Categorical Variables into Quantitative Variables in Python

تحلیل اکتشافی داده‌ها Exploratory Data Analysis

  • تحلیل اکتشافی داده‌ها Exploratory Data Analysis

  • آمار توصیفی Descriptive Statistics

  • استفاده از GroupBy در پایتون GroupBy in Python

  • همبستگی Correlation

  • آمار همبستگی Correlation - Statistics

توسعه مدل Model Development

  • توسعه مدل Model Development

  • رگرسیون خطی و رگرسیون خطی چندگانه Linear Regression and Multiple Linear Regression

  • ارزیابی مدل با استفاده از بصری‌سازی Model Evaluation using Visualization

  • رگرسیون چندجمله‌ای و خط لوله‌ها Polynomial Regression and Pipelines

  • معیارهای ارزیابی درون‌نمونه‌ای Measures for In-Sample Evaluation

  • پیش‌بینی و تصمیم‌گیری Prediction and Decision Making

ارزیابی و اصلاح مدل Model Evaluation and Refinement

  • ارزیابی و اصلاح مدل Model Evaluation and Refinement

  • بیش‌برازش، کم‌برازش و انتخاب مدل Overfitting, Underfitting and Model Selection

  • رگرسیون ریج (Ridge) Ridge Regression

  • جستجوی شبکه‌ای (Grid Search) Grid Search

پروژه نهایی Final Assignment

نمایش نظرات

آموزش تحلیل داده‌ها با پایتون
جزییات دوره
16h 59m
27
(آخرین آپدیت)
649,240
4.6 از 5
دارد
دارد
دارد
Chris Croft
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