یادگیری ماشینی برای مبتدیان مطلق - سطح 2 [ویدئو]

Machine Learning for Absolute Beginners - Level 2 [Video]

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: یادگیری ماشینی یکی از مهیج ترین زمینه ها در صنعت فناوری پیشرفته است که در کاربردهای مختلف شتاب بیشتری می گیرد. شرکت‌ها به دنبال دانشمندان داده، مهندسان داده، و متخصصان زبان ماشین (ML) هستند تا محصولات، ویژگی‌ها و پروژه‌هایی را توسعه دهند که به آن‌ها کمک کند تا قدرت یادگیری ماشین را آزاد کنند. این دوره به شما نشان می دهد که چگونه داده ها را برای الگوریتم های یادگیری ماشین با استفاده از کتابخانه پایتون و پانداها آماده کنید. دوره با توضیح مراحل نصب Anaconda و Jupyter شروع می شود. پس از آماده شدن برای تنظیمات، اصول پایتون مانند متغیرها، انواع داده ها، دستورات شرطی، حلقه ها و ماژول ها را درک خواهید کرد. در مرحله بعد، کتابخانه پانداها را مرور خواهید کرد و نحوه استفاده از آن را برای بارگیری مجموعه داده های بزرگ در دنیای واقعی یاد خواهید گرفت. در پایان، مراحل و تکنیک‌های پاکسازی داده‌ها و آماده‌سازی آن‌ها را برای حرکت به الگوریتم‌های یادگیری ماشینی خواهید آموخت. در پایان این دوره، شما به خوبی با اصول پایتون و کتابخانه پاندا آشنا خواهید شد و برای انجام پروژه های علم داده آماده خواهید شد. بسته کد این دوره در https://github.com/PacktPublishing/Machine-Learning-for-Absolute-Beginners-Level-2 در دسترس است. درک نحوه استفاده از Jupyter Lab برای نوت بوک های Jupyter آموزش اصول پایتون مجموعه داده های بزرگ را از فایل ها با استفاده از پاندا بارگیری کنید کشف تکنیک هایی برای انجام تجزیه و تحلیل و اکتشاف داده ها گروه بندی، مرتب سازی، صادرات، انتخاب، فیلتر کردن و پاک کردن داده ها نحوه پیش نمایش چارچوب داده را بیابید این دوره برای مبتدیانی طراحی شده است که به دنبال درک جنبه نظری یادگیری ماشین و ورود به جنبه عملی علم داده هستند. شما اصول پایتون را درک خواهید کرد و یاد خواهید گرفت که چگونه داده ها را قبل از استفاده در الگوریتم های یادگیری ماشین، پیش پردازش کنید. هیچ پیش نیازی برای شرکت در این دوره وجود ندارد. با این حال، توصیه می شود با دوره یادگیری ماشینی برای مبتدیان مطلق - سطح 1 به پایان برسانید. نحوه استفاده از Python برای پروژه های علم داده و یادگیری ماشین را بیاموزید * رابط ابزار آزمایشگاه Jupyter را درک کنید * نحوه آماده سازی داده ها را برای الگوریتم های یادگیری ماشین کشف کنید.

سرفصل ها و درس ها

شروع کار با سطح 2 Getting Started with Level 2

  • خوش آمدی Welcome

  • نصب آناکوندا Anaconda Installation

  • بررسی اجمالی آزمایشگاه ژوپیتر Jupyter Lab Overview

  • کار با یک نوت بوک Jupyter Working with a Jupyter Notebook

اصول پایتون برای علم داده Python Fundamentals for Data Science

  • بررسی اجمالی Overview

  • متغیرها و انواع داده ها Variables and Data Types

  • رشته های Strings

  • لیست ها Lists

  • عبارات حلقه "if" و "for". The "if" and "for" Loop Statements

  • کارکرد Functions

  • لغت نامه ها Dictionaries

  • کلاس ها، اشیاء، ویژگی ها و روش ها Classes, Objects, Attributes, and Methods

  • وارد کردن ماژول ها Importing Modules

  • کتابخانه ها برای پروژه های علم داده Libraries for Data Science Projects

  • تمرین 1- اصول پایتون Exercise 1- Python Fundamentals

آشنایی با کتابخانه پانداها Introduction to the pandas Library

  • بررسی اجمالی Overview

  • ساختار داده سری (1D) Series Data Structure (1D)

  • ساختار داده DataFrame (2D) DataFrame Data Structure (2D)

  • انتخاب داده در یک Dataframe Data Selection in a Dataframe

  • تمرین 2- سری پانداها و چارچوب داده Exercise 2– pandas Series and Dataframe

بارگذاری داده ها در یک Dataframe Loading Data into a Dataframe

  • بررسی اجمالی Overview

  • کاگل و مجموعه داده تایتانیک Kaggle and the Titanic Dataset

  • در حال بارگیری فایل داده های جدولی Loading Tabular Data File

  • تنظیم پارامترهای بارگذاری Adjusting the Loading Parameters

  • پیش نمایش DataFrame Previewing the DataFrame

  • استفاده از آمار خلاصه Using Summary Statistics

  • مفهوم روش های زنجیره ای The Concept of Methods Chaining

  • مرتب سازی و رتبه بندی Sorting and Ranking

  • فیلتر کردن Filtering

  • گروه بندی Grouping

  • تمرین 3 - بارگذاری و تجزیه و تحلیل داده ها Exercise 3 – Data Loading and Analysis

پاکسازی و تبدیل داده ها Data Cleaning and Transformation

  • بررسی اجمالی Overview

  • حذف ستون ها یا ردیف ها Removing Columns or Rows

  • حذف ردیف های تکراری Removing Duplicate Rows

  • تغییر نام برچسب های ستون Renaming Column Labels

  • حذف مقادیر از دست رفته Dropping Missing Values

  • پر کردن مقادیر از دست رفته Filling-in Missing Values

  • ایجاد متغیرهای ساختگی Creating Dummy Variables

  • صادرات داده ها به فایل ها Exporting Data into Files

  • تمرین 4 - پاکسازی و تبدیل داده ها Exercise 4 – Data Cleaning and Transformation

خلاصه دوره Course Summary

  • خلاصه و تشکر از شما Recap and Thank You

نمایش نظرات

یادگیری ماشینی برای مبتدیان مطلق - سطح 2 [ویدئو]
جزییات دوره
3 h 59 m
41
Packtpub Packtpub
(آخرین آپدیت)
از 5
ندارد
دارد
دارد
Idan Gabrieli
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Idan Gabrieli Idan Gabrieli

معلم آنلاین | ابر، داده، هوش مصنوعی