لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش دانشمند داده شوید: دوره A-Z در Python و ChatGPT
Become Data Scientist: A-Z Course in Python & ChatGPT
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
بر دنیای علم داده مسلط شوید: یک دوره جامع عملی که A-Z گردش کار علم داده در پایتون را پوشش می دهد به درک عمیقی از مفاهیم و اصول اصلی علم داده، از جمله نقش، اهمیت و کاربردهای آن در صنایع مختلف دست پیدا کنید. مهارتهای پاکسازی مؤثر دادههای خام، پوشش تکنیکهای مدیریت مقادیر از دست رفته، پرداختن به انواع دادههای مختلف، و مدیریت نقاط پرت و غیره را به دست آورید. با یادگیری تکنیکهای ضروری مانند مرتبسازی، فیلتر کردن، ادغام، الحاق و موارد دیگر با استفاده از کتابخانه پانداهای پایتون، در دستکاری دادهها مهارت کسب کنید. تکنیک های تجزیه و تحلیل داده های اکتشافی شامل فرکانس ها، درصدها، عملیات گروهی، جداول محوری، جدول بندی متقاطع و روابط متغیر را بیاموزید. با تجربه عملی در مهندسی ویژگی، انتخاب و مقیاسبندی برای آمادهسازی مجموعه دادهها برای مدلهای ML، وارد دنیای پیشپردازش دادهها شوید. دانش خود را از طریق یک سری پروژه های عملی به کار ببرید و درک خود را از هر مرحله در گردش کار علم داده تقویت کنید. توسعه تخصص در ساخت و ارزیابی مدل های رگرسیون نظارت شده، از جمله رگرسیون خطی، جنگل تصادفی، درخت تصمیم، xgboost، و غیره. مهارت های عملی در استقرار مدل های طبقه بندی نظارت شده، پوشش الگوریتم هایی مانند رگرسیون لجستیک، جنگل تصادفی، KNN و lightgbm به دست آورید. دنیای یادگیری بدون نظارت را با درک و پیاده سازی مدل های خوشه بندی مانند KMeans و DBSCAN برای کشف الگوهای پنهان در داده ها کاوش کنید. در استفاده از کتابخانههای ضروری پایتون برای علم داده، از جمله پانداها، نومپی، دریازادگان، matplotlib، scikit-learn و scipy ماهر شوید. دانش خود را آزمایش کنید و یادگیری خود را از طریق مجموعه ای از آزمون های هفت لایه که جنبه های مختلف گردش کار علم داده را پوشش می دهد، تقویت کنید. ادغام ChatGPT را تجربه کنید تا درک خود را از برنامه های علم داده از طریق مکالمات تعاملی و حل مسئله در دنیای واقعی افزایش دهید. بیاموزید که چگونه یافته های خود را به طور مؤثر انتقال دهید، نتایج پیچیده علم داده را به بینش های روشن و عملی برای ذینفعان تبدیل کنید. با درک کامل از گردش کار کامل علم داده و توانایی مقابله با چالش های دنیای واقعی، حرفه ای را در علم داده شروع کنید. پیش نیازها: بدون نیاز به تجربه کدنویسی. تمایل به یادگیری علم داده
به "Become Data Scientist: A-Z Course in Python ChatGPT" خوش آمدید. یک دوره جامع عملی که A-Z گردش کار علم داده در پایتون را پوشش می دهد. این برنامه متحول کننده با دقت طراحی شده است تا به یادگیرندگان مختلف، از جمله دانشمندان مشتاق داده، حرفه ای هایی که به دنبال انتقال شغلی هستند، و هر کسی که شیفته پتانسیل عظیم داده ها هستند، ارائه دهد. سفری را آغاز کنید که پیچیدگیهای علم داده را از بین میبرد و نه تنها دانش نظری، بلکه مهمتر از آن، مهارتهای عملی را از طریق پروژههای عملی همهجانبه در اختیار شما قرار میدهد.
مبانی تعالی علم داده: اصول اساسی که پایه علم داده است را بررسی کنید. اهمیت آن، کاربردهای آن در صنایع و نقش محوری آن در فرآیندهای تصمیم گیری را درک کنید. از اصول اولیه تا برنامه های کاربردی در دنیای واقعی، این دوره به شما اطمینان می دهد که پایه ها را درک کرده و زمینه را برای کاوشی جامع از چشم انداز علم داده فراهم می کند.
پروژه های عملی و تسلط بر داده ها: درک عمیقی از دستکاری داده ها، تمیز کردن و پیش پردازش از طریق پروژه های عملی به دست آورید. با چالش های داده های دنیای واقعی مقابله کنید و مهارت های خود را با هفت لایه آزمون تقویت کنید. این رویکرد عملی تضمین می کند که نه تنها مفاهیم را درک می کنید، بلکه می توانید آنها را با اطمینان در سناریوهای دنیای واقعی نیز به کار ببرید.
تعالی ساختن مدل در سراسر دامنه ها: در هنر ساختن و ارزیابی هر دو مدل رگرسیون نظارت شده و طبقه بندی تسلط پیدا کنید. در الگوریتم هایی مانند رگرسیون خطی، جنگل تصادفی، رگرسیون لجستیک، KNN و غیره عمیق شوید. قدرت یادگیری بدون نظارت را از طریق مدلهای خوشهبندی مانند KMeans و DBSCAN کشف کنید، که به شما امکان میدهد بینشهای ارزشمندی را از دادههای بدون ساختار استخراج کنید.
کتابخانههای Python Demystified: اکوسیستم غنی علم داده پایتون را بدون زحمت پیمایش کنید. از دستکاری داده ها با استفاده از پانداها گرفته تا یادگیری ماشینی با یادگیری scikit، و تجسم با seaborn و matplotlib، در استفاده از کتابخانه های ضروری که ستون فقرات گردش کار علم داده را تشکیل می دهند، مهارت کسب خواهید کرد.
یادگیری تعاملی با ادغام ChatGPT: با ادغام ChatGPT یک سفر یادگیری منحصر به فرد را تجربه کنید. در گفتگوهای تعاملی شرکت کنید، مشکلات دنیای واقعی را عیب یابی کنید و مهارت های حل مسئله خود را تقویت کنید. این محیط یادگیری پویا نه تنها دانش را منتقل می کند، بلکه درک عمیق مطالب را از طریق تجربیات عملی و تعاملی تقویت می کند.
"دانشمند داده شوید: دوره A-Z در Python ChatGPT" فراتر از یک دوره سنتی است—این دروازه شما برای تبدیل شدن به یک دانشمند داده ماهر است. همانطور که پیچیدگی های علم داده را کشف می کنید، نه تنها دانش تئوری بلکه اعتماد به نفس و مهارت های مورد نیاز برای مقابله با چالش های پیچیده در دنیای واقعی را نیز به دست خواهید آورد. آیا آماده باز کردن پتانسیل کامل داده ها هستید؟ اکنون ثبت نام کنید و اولین قدم را به سوی یک سفر پربار در علم داده بردارید.
سرفصل ها و درس ها
راه اندازی پلت فرم تجزیه و تحلیل داده های خود
Setting Up Your Data Analysis Platform
پایتون و ژوپیتر نوت بوک را نصب کنید
Install Python and Jupyter Notebook
راه اندازی ChatGPT برای تجزیه و تحلیل SMART
Setting Up ChatGPT for SMART Analysis
علم داده چیست؟
What is Data Science?
علم داده و ویژگی های آن
Data Science and its characteristics
علم داده در مقابل تجزیه و تحلیل داده ها
Data Science v/s Data Analysis
جریان کار علم داده را کامل کنید
Complete Data Science work-flow
مجموعه داده ها را برای تمرین و آزمون ها دانلود کنید
Download datasets for practice and quizzes
دستورالعمل برای آزمون ها: مهم است
Instructions for Quizzes: IMPORTANT
فرآیند پاکسازی کامل داده ها
Full Data Cleaning Process
شروع به کار: بارگیری داده های خود در نوت بوک jupyter
Getting started: loading your data into jupyter notebook
مقادیر گمشده را با Simple-Imputer وارد کنید
Impute missing values with Simple-Imputer
اصلاح متغیرها و مقادیر ناسازگار
Rectify inconsistent variables and values
انواع داده های صحیح را شناسایی و اختصاص دهید
Identify and assign correct data types
داده های تکراری را از مجموعه داده حذف کنید
Abolish duplicated data from the dataset
آزمون 1: پاکسازی کامل داده ها
QUIZ 1: Full Data Cleaning
راه حل 1: پاکسازی کامل داده ها
Solution 1: Full Data Cleaning
فرآیند دستکاری کامل داده ها
Full Data Manipulation Process
مرتب سازی و مرتب سازی مجموعه داده ها
Sorting and arranging dataset
فیلتر مشروط (و، یا، نه و غیره)
Conditional filtering (and, or, not etc.)
ادغام مجموعه داده با ویژگی های اضافی
Merging dataset with extra features
الحاق داده ها با داده های اضافی
Concatenating data with extra data
آزمون 2: دستکاری کامل داده ها
QUIZ 2: Full Data Manipulation
راه حل 2: دستکاری کامل داده ها
Solution 2: Full Data Manipulation
فرآیند تجزیه و تحلیل کامل داده های اکتشافی
Full Exploratory Data Analysis Process
درک تحلیل داده های اکتشافی
Understanding exploratory data analysis
بررسی تکنیک تحلیل شمارش ارزش
Investigating Value Counts Analysis Technique
کاوش در تکنیک تحلیل آمار توصیفی
Delving into Descriptive Statistics Analysis Technique
درک گروه با روش تجزیه و تحلیل
Understanding Group By Analysis Method
تسلط بر روش تحلیل جدول محوری
Mastering Pivot Table Analysis Method
روش تجزیه و تحلیل جدول بندی متقاطع
Unpacking Crosstabulation Analysis Method
بررسی روش تحلیل همبستگی
Exploring Correlation Analysis Method
آزمون 3: تجزیه و تحلیل کامل داده های اکتشافی
QUIZ 3: Full Exploratory Data Analysis
راه حل 3: تجزیه و تحلیل کامل داده های اکتشافی
Solution 3: Full Exploratory Data Analysis
درک مفاهیم تجزیه و تحلیل داده های آماری
Understanding Statistical Data Analysis Concepts
جنبه های مختلف آزمون فرضیه
Various aspects of hypothesis testing
اطمینان، سطح معناداری و مقدار p را درک کنید
Understand confidence, significance level and p-value
تجزیه و تحلیل داده های آماری و آزمون فرضیه ها
Statistical data analysis and hypothesis testing
آزمون 4: درک مفاهیم تجزیه و تحلیل داده های آماری
QUIZ 4: Understanding Statistical Data Analysis Concepts
تکنیک های مختلف تبدیل داده ها
Various Data Transformation Techniques
آزمایش توزیع نرمال متغیرهای عددی
Testing normal distribution of numeric variables
روش تبدیل داده ریشه مربع
Square root data transformation method
روش تبدیل داده های لگاریتمی
Logarithm data transformation method
روش تبدیل داده باکس-کاکس
Box-cox data transformation method
روش تبدیل داده یئو جانسون
Yeo-Johnson data transformation method
آزمون 5: روش های مختلف تبدیل داده ها
QUIZ 5: Various Data Transformation Methods
راه حل 5: روش های تبدیل داده ها
Solution 5: Data Transformation Methods
نمایش نظرات