پروژه ها در علم داده [ویدئو]

Projects in Data Science [Video]

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: تقاضای فزاینده ای برای ذخیره انواع مختلف داده ها در سازمان ها وجود دارد. چه یک سازمان کوچک یا بزرگ باشد، کارفرمایان می خواهند سوابق کارمندان، مشتریان، حساب ها، بازخوردها و غیره خود را حفظ کنند. با این حال، حفظ چنین مجموعه عظیمی از داده ها بدون کمک علم داده ممکن نیست. این دوره ویدیویی به شما کمک می کند تا مفاهیم و تئوری های مهم علم داده کاربردی را که برای ذخیره، دستکاری و تجسم تکه های عظیم داده باید بدانید، یاد بگیرید. این دوره با مقدمه ای بر علم داده کاربردی و آموزش نحوه راه اندازی یک نوت بوک Jupyter شروع می شود. سپس با استفاده از داده های بوستون به درک رگرسیون خطی خواهید پرداخت. با پیشرفت، تکنیک های تجسم داده ها را کشف خواهید کرد و سری های زمانی و ارزیابی داده ها را بررسی خواهید کرد. همچنین با کمک یک فعالیت تجزیه و تحلیل دما، با تجزیه و تحلیل داده های گسترده آشنا خواهید شد. در پایان، با خوشه‌بندی k-means آشنا می‌شوید و درک کاملی از درخت‌های تصمیم به دست خواهید آورد. در پایان این دوره، شما به خوبی با مفاهیم علم داده کاربردی آشنا خواهید شد و می توانید مهارت های خود را در دنیای واقعی به کار ببرید. همه کدها و فایل های پشتیبانی این دوره در دسترس خواهند بود - https://github.com/PacktPublishing/Projects-in-Data-Science درک کاملی از علم داده کاربردی به دست آورید. با استفاده از یک مجموعه داده نمونه، با تجزیه و تحلیل داده های گسترده آشنا شوید نحوه انجام رگرسیون خطی و لجستیک را بیابید با طرح پراکنده و پیشرفته آشنا شوید مهارت های ترسیم داده های سری زمانی را توسعه دهید خوشه‌بندی k-means را کاوش کنید و مرکزها را برای خوشه‌بندی تعریف کنید اگر از علاقه‌مندان به علم داده هستید و می‌خواهید مهارت‌های خود را برای حفظ مؤثر داده‌های سازمان خود توسعه دهید، این دوره ویدیویی برای شما مناسب است. مفاهیم کاربردی علم داده را با کمک فعالیت‌های جذاب درک کنید * با تکنیک‌های تجسم، ترسیم و خوشه‌بندی داده‌ها آشنا شوید * نحوه استفاده بهینه از درخت‌های تصمیم را کشف کنید.

سرفصل ها و درس ها

معرفی Introduction

  • معرفی Introduction

  • مروری بر علم داده کاربردی Overview of Applied Data Science

  • تنظیم محیطی - نوت بوک Jupyter Environmental setup - Jupyter Notebook

تجزیه و تحلیل داده های گسترده Extended data analysis

  • درک بیان مسئله Understanding Problem Statement

  • درباره مجموعه داده - خلاصه داوران About Dataset - Summary of Referees

  • درک بعد مجموعه داده Understanding the Dataset Dimension

  • تجزیه و تحلیل خروجی Analysing the Output

  • ایجاد میزهای مرتب Creating tidy tables

  • تجزیه و تحلیل ساختار جدول Analysing the Table Structure

پسرفت Regression

  • رگرسیون - یادگیری تحت نظارت Regression - Supervised Learning

  • بیانیه مشکل - داده های بوستون Problem Statement - Boston Data

  • درک رگرسیون خطی Understanding Linear Regression

  • تجزیه و تحلیل و ترسیم خروجی Analysing and plotting Output

تجسم داده ها Data Visualization

  • بیان مسئله - تجسم داده ها Problem Statement- Data Visualization

  • داده های MySQL MySQL Data

  • نقشه برای تجسم Plotly for Visualization

  • اتصال و پیکربندی پایگاه داده Database Connectivity and Configuration

  • قطعه پراکنده Scattered Plot

  • طرح پراکنده پیشرفته Advanced Scattered Plot

  • تجزیه و تحلیل خروجی Analysing Output

فعالیت Activity

  • فعالیت برای تجزیه و تحلیل داده های گسترده Activity for Extended Data Analysis

  • نمودارهای تجزیه و تحلیل داده ها Plots of Data Analysis

  • فعالیت - تجزیه و تحلیل دما Activity- Temperature Analysis

  • انجام رگرسیون خطی Performing Linear Regression

  • تجزیه و تحلیل جمعیت فعالیت Activity Population Analysis

سری زمانی Time Series

  • سری زمانی Time Series

  • بیان مسأله Problem Statement

  • ارزیابی داده ها Evaluating Data

  • ترسیم داده های سری زمانی Plotting the Time Series Data

  • مدل سری زمانی Time Series Model

K-Means Clustering K-Means Clustering

  • مقدمه ای بر خوشه بندی Introduction to Clustering

  • نمایش خوشه K-Means Demonstration of K-Means Cluster

  • بیان مسأله Problem Statement

  • تعریف Centroids برای خوشه بندی Defining Centroids for Clustering

  • محاسبه فاصله و Centroids جدید Computing Distance and new Centroids

  • تجزیه و تحلیل خروجی خوشه Analysing the Output of Cluster

درخت تصمیم Decision Tree

  • درک درخت تصمیم Understanding Decision Tree

  • بیان مسئله- درخت تصمیم Problem Statement- Decision Tree

  • اجرای بخشهای درخت تصمیم Implementing sections of Decision Trees

  • انتخاب آستانه Selecting Threshold

  • تجزیه و تحلیل خروجی Analysing Output

نمایش نظرات

پروژه ها در علم داده [ویدئو]
جزییات دوره
3 h 51 m
41
Packtpub Packtpub
(آخرین آپدیت)
از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Eduonix Learning Solutions Eduonix Learning Solutions

1+ میلیون دانشجو در سراسر جهان | 200+ دوره ادوونیکس محتوای آموزش فن آوری با کیفیت بالا را ایجاد و توزیع می کند. تیم متخصصان صنعت ما بیش از یک دهه است که نیروی انسانی را آموزش می دهند. هدف ما آموزش روش استفاده از آن در صنعت و دنیای حرفه ای است. ما یک تیم مربی حرفه ای برای فن آوری های مختلف از Mobility ، Web گرفته تا Enterprise و Database و Server Server داریم.