آموزش پایتون: کار با تجزیه و تحلیل پیش بینی

Python: Working with Predictive Analytics

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: داده ها می توانند داستان های زیادی را بیان کنند: از کجا آمده و کجا می رود. تجزیه و تحلیل پیش بینی ابزاری را برای برنامه نویسان در اختیار آینده قرار می دهد: استخراج اطلاعات قابل استفاده و پیش بینی دقیق. این پیش بینی ها به نوبه خود به کسب و کار اجازه می دهد تا با آگاهی و تصمیم گیری تأثیرگذارتر تصمیم گیری کند. با ایسیل برکون ، دانشمند داده ، همراه باشید تا تجزیه و تحلیل تحلیل پیش بینی را با پایتون بررسی کنیم. نحوه تهیه داده ها - پر کردن مقادیر از دست رفته ، انجام مقیاس گذاری ویژگی ها و موارد دیگر - را بیابید و از کتابخانه های پیش ساخته Python برای ساخت و ارزیابی مدل های پیش بینی استفاده کنید. او توضیح می دهد که چه مدل هایی را باید در چه مواقعی استفاده کرد و مفاهیم را به گونه ای توضیح می دهد که می توانید بلافاصله آنها را در کارهای خود اعمال کنید. در پایان دوره ، شما می توانید از کتابخانه های پایتون مانند پاندا و NumPy استفاده کنید و مدل های پیش بینی مناسب را برای پروژه های خود انتخاب کنید.
موضوعات شامل:
  • توضیح دهید که چگونه تحلیل های پیش بینی کننده می توانند به تصمیم گیری کمک کنند.
  • بین انواع داده های مورد استفاده تفاوت قائل شوید.
  • اعمال عملکرد صحیح بر روی کد پایتون برای ایجاد نتایج مطلوب.
  • توضیح دهید که چرا قبل از استفاده از مدل های پیش بینی ، داده ها باید پیش پردازش شوند.
  • بین مدلهای مختلف پیش بینی موجود تفاوت قائل شوید.

سرفصل ها و درس ها

1. با استفاده از Iterative DO Loops2. با استفاده از شرط DO LoopsIntroduction1. ایجاد و استفاده از قالبهای سفارشی2. ایجاد قالبهای سفارشی از TablesIntroduction1. صادرات Data2. صادرات گزارشات معرفی 1 استفاده از زبان پرس و جو ساختار یافته (SQL) در SAS2. پیوستن به جداول با استفاده از SQL در SASIntroduction1. با استفاده از ابزارهای برنامه نویسی SAS2. درک SAS SyntaxIntroduction1. درک SAS Data2. دسترسی به داده ها از طریق کتابخانه ها3. وارد کردن داده ها به SASIntroduction1. گزارش های پیشرفته با عناوین ، پاورقی ها و برچسب ها 2. ایجاد گزارش فرکانس3. ایجاد گزارش های خلاصه و DataIntroduction1. خواندن و فیلتر کردن Data2. محاسبه ستون های جدید 3. پردازش مشروطIntroduction1. کاوش در Data2. فیلتر کردن Rows3. قالب بندی ستونها4. مرتب سازی داده ها و حذف نسخه های تکراریIntroduction1. Command Line در مقابل Visual Tools2. یک Repo را از یک Computer3 محلی ایجاد کنید. به GitHub و Other Remote Servers4 وصل شوید. Git Concepts and Commands5. در مورد Repo6 موجود همکاری کنید. Push و Pull7. همگام سازی Tools8. با Branches9 کار کنید. درخواستها و GitHub10 را بکشید. سایر عملیاتNextsIntroduction1. فرآیند تولید 2. مدیریت وابستگی3. Test4 ورود به سیستم 5 Metrics6. DeploymentConcludIntroduction1. شروع کار با AWS2. AWS Lambda مقدمه 3. شروع کار با AWS Lambda4. AWS SAM5. بکارگیری برنامه کاربردی شما ConcreteIntroduction1. چرا مدیریت مهم است؟ ساختار ساختار 3. مدیریت وابستگی4. Testing5 فرآیند توسعهConcludIntroduction1. آماده سازی برای مصاحبه با یک Developer2. آشنایی با یک نامزد 3. ارزیابی دانش نامزد 4. فراتر از سؤالات مصاحبه 5. نکاتی برای InterviewingConclusionIntroduction1. در دفاع 2. رفتارهای نامشخص3. Validation ورودی 4. مدیریت رشته 5 مشکلات مربوط به PointersConclusionIntroduction1. توسعه محور آزمون (TDD) اصول اولیه. نوشتن واحد Tests3. نوشتن آزمونهای تلفیقی نوشتن تست های پایان تا پایان در حال بهبود TDD Workflow6 شما. یک مثال در دنیای واقعی 7. در حال اجرا TestsConclusionIntroduction1. جاوا چیست؟ Introduction

  • پیش بینی داده ها در پایتون Predict data in Python

  • نقشه راه Road map

1. با استفاده از Iterative DO Loops2. با استفاده از شرط DO LoopsIntroduction1. ایجاد و استفاده از قالبهای سفارشی2. ایجاد قالبهای سفارشی از TablesIntroduction1. صادرات Data2. صادرات گزارشات معرفی 1 استفاده از زبان پرس و جو ساختار یافته (SQL) در SAS2. پیوستن به جداول با استفاده از SQL در SASIntroduction1. با استفاده از ابزارهای برنامه نویسی SAS2. درک SAS SyntaxIntroduction1. درک SAS Data2. دسترسی به داده ها از طریق کتابخانه ها3. وارد کردن داده ها به SASIntroduction1. گزارش های پیشرفته با عناوین ، پاورقی ها و برچسب ها 2. ایجاد گزارش فرکانس3. ایجاد گزارش های خلاصه و DataIntroduction1. خواندن و فیلتر کردن Data2. محاسبه ستون های جدید 3. پردازش مشروطIntroduction1. کاوش در Data2. فیلتر کردن Rows3. قالب بندی ستونها4. مرتب سازی داده ها و حذف نسخه های تکراریIntroduction1. Command Line در مقابل Visual Tools2. یک Repo را از یک Computer3 محلی ایجاد کنید. به GitHub و Other Remote Servers4 وصل شوید. Git Concepts and Commands5. در مورد Repo6 موجود همکاری کنید. Push و Pull7. همگام سازی Tools8. با Branches9 کار کنید. درخواستها و GitHub10 را بکشید. سایر عملیاتNextsIntroduction1. فرآیند تولید 2. مدیریت وابستگی3. Test4 ورود به سیستم 5 Metrics6. DeploymentConcludIntroduction1. شروع کار با AWS2. AWS Lambda مقدمه 3. شروع کار با AWS Lambda4. AWS SAM5. بکارگیری برنامه کاربردی شما ConcreteIntroduction1. چرا مدیریت مهم است؟ ساختار ساختار 3. مدیریت وابستگی4. Testing5 فرآیند توسعهConcludIntroduction1. آماده سازی برای مصاحبه با یک Developer2. آشنایی با یک نامزد 3. ارزیابی دانش نامزد 4. فراتر از سؤالات مصاحبه 5. نکاتی برای InterviewingConclusionIntroduction1. در دفاع 2. رفتارهای نامشخص3. Validation ورودی 4. مدیریت رشته 5 مشکلات مربوط به PointersConclusionIntroduction1. توسعه محور آزمون (TDD) اصول اولیه. نوشتن واحد Tests3. نوشتن آزمونهای تلفیقی نوشتن تست های پایان تا پایان در حال بهبود TDD Workflow6 شما. یک مثال در دنیای واقعی 7. در حال اجرا TestsConclusionIntroduction1. جاوا چیست؟ 1. Data Preprocessing

  • انواع داده ها را تفکیک کنید Differentiate data types

  • کتابخانه ها و واردات داده های پایتون Python libraries and data import

  • رسیدگی به مقادیر گمشده Handling missing values

  • داده های طبقه ای را به اعداد تبدیل کنید Convert categorical data into numbers

  • داده ها را به آزمون و آموزش تقسیم کنید Divide the data into test and train

  • مقیاس گذاری ویژگی Feature scaling

1. با استفاده از Iterative DO Loops2. با استفاده از شرط DO LoopsIntroduction1. ایجاد و استفاده از قالبهای سفارشی2. ایجاد قالبهای سفارشی از TablesIntroduction1. صادرات Data2. صادرات گزارشات معرفی 1 استفاده از زبان پرس و جو ساختار یافته (SQL) در SAS2. پیوستن به جداول با استفاده از SQL در SASIntroduction1. با استفاده از ابزارهای برنامه نویسی SAS2. درک SAS SyntaxIntroduction1. درک SAS Data2. دسترسی به داده ها از طریق کتابخانه ها3. وارد کردن داده ها به SASIntroduction1. گزارش های پیشرفته با عناوین ، پاورقی ها و برچسب ها 2. ایجاد گزارش فرکانس3. ایجاد گزارش های خلاصه و DataIntroduction1. خواندن و فیلتر کردن Data2. محاسبه ستون های جدید 3. پردازش مشروطIntroduction1. کاوش در Data2. فیلتر کردن Rows3. قالب بندی ستونها4. مرتب سازی داده ها و حذف نسخه های تکراریIntroduction1. Command Line در مقابل Visual Tools2. یک Repo را از یک Computer3 محلی ایجاد کنید. به GitHub و Other Remote Servers4 وصل شوید. Git Concepts and Commands5. در مورد Repo6 موجود همکاری کنید. Push و Pull7. همگام سازی Tools8. با Branches9 کار کنید. درخواستها و GitHub10 را بکشید. سایر عملیاتNextsIntroduction1. فرآیند تولید 2. مدیریت وابستگی3. Test4 ورود به سیستم 5 Metrics6. DeploymentConcludIntroduction1. شروع کار با AWS2. AWS Lambda مقدمه 3. شروع کار با AWS Lambda4. AWS SAM5. بکارگیری برنامه کاربردی شما ConcreteIntroduction1. چرا مدیریت مهم است؟ ساختار ساختار 3. مدیریت وابستگی4. Testing5 فرآیند توسعهConcludIntroduction1. آماده سازی برای مصاحبه با یک Developer2. آشنایی با یک نامزد 3. ارزیابی دانش نامزد 4. فراتر از سؤالات مصاحبه 5. نکاتی برای InterviewingConclusionIntroduction1. در دفاع 2. رفتارهای نامشخص3. Validation ورودی 4. مدیریت رشته 5 مشکلات مربوط به PointersConclusionIntroduction1. توسعه محور آزمون (TDD) اصول اولیه. نوشتن واحد Tests3. نوشتن آزمونهای تلفیقی نوشتن تست های پایان تا پایان در حال بهبود TDD Workflow6 شما. یک مثال در دنیای واقعی 7. در حال اجرا TestsConclusionIntroduction1. جاوا چیست؟ 2. Prediction Models

  • معرفی مدلهای پیش بینی Introduction to predictive models

  • رگرسیون خطی Linear regression

  • رگرسیون چند جمله ای Polynomial regression

  • رگرسیون بردار پشتیبانی (SVR) Support Vector Regression (SVR)

  • رگرسیون درخت تصمیم گیری Decision tree regression

  • رگرسیون جنگلی تصادفی Random forest regression

  • ارزیابی مدلهای پیش بینی Evaluation of predictive models

  • بهینه سازی Hyperparameter Hyperparameter optimization

  • چالش: بهینه سازی Hyperparameter Challenge: Hyperparameter optimization

  • راه حل: بهینه سازی Hyperparameter Solution: Hyperparameter optimization

1. با استفاده از Iterative DO Loops2. با استفاده از شرط DO LoopsIntroduction1. ایجاد و استفاده از قالبهای سفارشی2. ایجاد قالبهای سفارشی از TablesIntroduction1. صادرات Data2. صادرات گزارشات معرفی 1 استفاده از زبان پرس و جو ساختار یافته (SQL) در SAS2. پیوستن به جداول با استفاده از SQL در SASIntroduction1. با استفاده از ابزارهای برنامه نویسی SAS2. درک SAS SyntaxIntroduction1. درک SAS Data2. دسترسی به داده ها از طریق کتابخانه ها3. وارد کردن داده ها به SASIntroduction1. گزارش های پیشرفته با عناوین ، پاورقی ها و برچسب ها 2. ایجاد گزارش فرکانس3. ایجاد گزارش های خلاصه و DataIntroduction1. خواندن و فیلتر کردن Data2. محاسبه ستون های جدید 3. پردازش مشروطIntroduction1. کاوش در Data2. فیلتر کردن Rows3. قالب بندی ستونها4. مرتب سازی داده ها و حذف نسخه های تکراریIntroduction1. Command Line در مقابل Visual Tools2. یک Repo را از یک Computer3 محلی ایجاد کنید. به GitHub و Other Remote Servers4 وصل شوید. Git Concepts and Commands5. در مورد Repo6 موجود همکاری کنید. Push و Pull7. همگام سازی Tools8. با Branches9 کار کنید. درخواستها و GitHub10 را بکشید. سایر عملیاتNextsIntroduction1. فرآیند تولید 2. مدیریت وابستگی3. Test4 ورود به سیستم 5 Metrics6. DeploymentConcludIntroduction1. شروع کار با AWS2. AWS Lambda مقدمه 3. شروع کار با AWS Lambda4. AWS SAM5. بکارگیری برنامه کاربردی شما ConcreteIntroduction1. چرا مدیریت مهم است؟ ساختار ساختار 3. مدیریت وابستگی4. Testing5 فرآیند توسعهConcludIntroduction1. آماده سازی برای مصاحبه با یک Developer2. آشنایی با یک نامزد 3. ارزیابی دانش نامزد 4. فراتر از سؤالات مصاحبه 5. نکاتی برای InterviewingConclusionIntroduction1. در دفاع 2. رفتارهای نامشخص3. Validation ورودی 4. مدیریت رشته 5 مشکلات مربوط به PointersConclusionIntroduction1. توسعه محور آزمون (TDD) اصول اولیه. نوشتن واحد Tests3. نوشتن آزمونهای تلفیقی نوشتن تست های پایان تا پایان در حال بهبود TDD Workflow6 شما. یک مثال در دنیای واقعی 7. در حال اجرا TestsConclusionIntroduction1. جاوا چیست؟ Conclusion

  • مراحل بعدی Next steps

نمایش نظرات

آموزش پایتون: کار با تجزیه و تحلیل پیش بینی
جزییات دوره
1h 22m
19
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
11,297
- از 5
ندارد
دارد
دارد
Isil Berkun
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Isil Berkun Isil Berkun

دانشمند داده در شرکت اینتل

ایسیل برکون یک دانشمند داده در شرکت اینتل است.

ایسیل اهل استانبول، ترکیه است و در حال حاضر در پورتلند، اورگان زندگی می کند. او در سال 2015 از دانشگاه ایالتی میشیگان (MSU) فارغ التحصیل شد و دکترای خود را در رشته مهندسی برق دریافت کرد. زمینه های تخصص او شامل الکترونیک نیمه هادی پیشرفته و یادگیری ماشین برای درک عمیق از ساخت و طراحی دستگاه است. Isil در شورای تحقیقات علمی و فناوری ترکیه (TÜBİTAK) و آزمایشگاه ملی آرگون (ANL) در ایلینوی کارآموزی کرد. او قبلاً به عنوان دستیار تحقیق و تدریس در دانشگاه ایالتی میشیگان (MSU) کار می کرد، جایی که یک سیستم مشخصه حمل و نقل نیمه هادی را طراحی و ساخت و نرم افزار اتوماسیون آزمایشی را برنامه ریزی کرد.