آموزش تجزیه و تحلیل داده های اکتشافی در پایتون

Exploratory Data Analysis in Python

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
توضیحات دوره: دوره ای در مورد نحوه نزدیک شدن به یک مجموعه داده برای اولین بار کاوش مجموعه داده برای محاسبه آمار کلی تجسم همبستگی بین ویژگی ها تجسم قدرت پیش بینی ویژگی ها ایجاد بینش مفید از یک مجموعه داده پیش نیازها:زبان برنامه نویسی پایتون

وقتی برای اولین بار دست خود را روی یک مجموعه داده می گذاریم، نمی توانیم منتظر آزمایش چندین مدل و الگوریتم باشیم. این اشتباه است زیرا اگر قبل از تغذیه مدل خود اطلاعات را ندانیم، نتایج غیرقابل اعتماد خواهد بود و خود مدل مطمئناً شکست خواهد خورد. علاوه بر این، اگر از قبل بهترین ویژگی‌ها را انتخاب نکنیم، مرحله آموزش کند می‌شود و مدل چیز مفیدی نمی‌آموزد.

بنابراین، اولین رویکردی که باید داشته باشیم این است که به مجموعه داده خود نگاهی بیندازیم و اطلاعاتی که در آن وجود دارد را تجسم کنیم. به عبارت دیگر، ما باید آن را بررسی کنیم.

هدف تجزیه و تحلیل داده های اکتشافی این است.

EDA مرحله مهمی از علم داده و یادگیری ماشین است. این به ما کمک می کند تا قبل از اعمال هر مدل یا الگوریتم، اطلاعات پنهان در یک مجموعه داده را بررسی کنیم. از تجسم داده ها استفاده زیادی می کند، بدون تعصب است.

به‌علاوه، به ما امکان می‌دهد بفهمیم که آیا ویژگی‌های ما قدرت پیش‌بینی دارند یا خیر، و تعیین اینکه آیا پروژه یادگیری ماشینی که روی آن کار می‌کنیم شانس موفقیت دارد یا خیر. بدون EDA، ممکن است داده‌های اشتباهی را به مدلی بدون موفقیت ارائه دهیم.

با این دوره، دانش آموز یاد می گیرد:

  • نحوه تجسم اطلاعاتی که در داخل مجموعه داده پنهان است

  • نحوه تجسم همبستگی و اهمیت ستون های یک مجموعه داده

  • چند کتابخانه مفید پایتون

همه درس ها عملی هستند و با استفاده از زبان برنامه نویسی پایتون و نوت بوک های Jupyter ساخته شده اند. همه نوت بوک ها قابل دانلود هستند.


سرفصل ها و درس ها

معرفی Introduction

  • معرفی دوره Introduction to the course

  • EDA چیست؟ What is EDA?

  • مجموعه داده The dataset

  • بسته های پایتون مورد نیاز Required Python packages

  • نوت بوک های Jupyter Jupyter notebooks

تحلیل تک متغیره Univariate analysis

  • اولین نگاه به مجموعه داده ما A first sight to our dataset

  • خلاصه سازی Summarization

  • هیستوگرام ها Histograms

  • نمودارهای جعبه Boxplots

تحلیل چند متغیره Multivariate analysis

  • Pairplots Pairplots

  • ماتریس همبستگی و هیستوگرام Correlation matrix and histograms

  • هیستوگرام های انباشته شده Stacked histograms

چند کتابخانه مفید Some useful libraries

  • Sweetviz Sweetviz

  • پروفایل پانداها Pandas profiling

دستورالعمل های عمومی General guidelines

  • پیشنهادات کاربردی Practical suggestions

نمایش نظرات

نظری ارسال نشده است.

آموزش تجزیه و تحلیل داده های اکتشافی در پایتون
خرید اشتراک و دانلود خرید تکی و دانلود | 160,000 تومان (5 روز مهلت دانلود) زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
2 hours
15
Udemy (یودمی) udemy-small
26 مهر 1400 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
5,108
4.3 از 5
دارد
دارد
دارد

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Gianluca Malato Gianluca Malato

معلم داده شما نام من Gianluca Malato است، من ایتالیایی هستم و دارای مدرک کارشناسی ارشد در فیزیک نظری سیستم های بی نظم در "La Sapienza" رم هستم. من یک دانشمند داده هستم که سال ها در بخش بانکداری و بیمه کار کرده ام. من تجربه زیادی در برنامه نویسی نرم افزار و مدیریت پروژه دارم و چندین سال است که با تجزیه و تحلیل داده ها و یادگیری ماشین در محیط شرکت سر و کار دارم. من همچنین در تجزیه و تحلیل داده ها (مانند پایگاه های داده رابطه ای و زبان SQL)، الگوریتم های عددی (به عنوان مثال ادغام ODE، الگوریتم های بهینه سازی) و شبیه سازی (مانند تکنیک های مونت کارلو) مهارت دارم. من مقالات زیادی در مورد یادگیری ماشینی، R و Python نوشته‌ام و نویسنده برتر رسانه در رده هوش مصنوعی بوده‌ام.

Udemy (یودمی)

یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.

یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.