آموزش 250+ تمرین - بوت کمپ علم داده در پایتون - 2022
250+ Exercises - Data Science Bootcamp in Python - 2022
آنچه یاد خواهید گرفت
-
حل بیش از 250 تمرین در علم داده در پایتون
-
با مشکلات واقعی برنامه نویسی مقابله کنید
-
با مشکلات واقعی در علم داده مقابله کنید
-
کار با کتابخانه‌های numpy، پانداها، دریازادگان، طرح‌ریزی، scikit-learn، opencv، tensorflow
-
کار با مستندات
-
پشتیبانی تضمینی مربی
به 250+ تمرین - بوت کمپ علوم داده در پایتون خوش آمدید، جایی که می توانید مهارت های برنامه نویسی پایتون و علوم داده خود را آزمایش کنید. این دوره شامل 250 تمرین (تمرین + راه حل) در علم داده با پایتون است. پایتون را می‌توان به راحتی تشخیص داد، چه برای اولین بار برنامه‌نویس باشید و چه با زبان‌های دیگر تجربه داشته باشید. پایتون یک زبان برنامه نویسی است که به شما امکان می دهد سریع کار کنید و سیستم ها را به طور موثرتر یکپارچه کنید.
بسته هایی که در تمرینات استفاده خواهید کرد:
ناتوان
پانداها
متولد دریا
طرحواره
scikit-learn
opencv
tensorflow
بعضی از موضوعاتی که در تمرینات خواهید یافت:
کار با آرایه‌های ناقص
کار با ماتریس ها
اعداد تصادفی
توزیع عادی
تصویر به‌عنوان یک آرایه کم‌رنگ
کار با چند جمله ای
کار با تاریخ
برخورد با مقادیر از دست رفته
کار با سری پانداها و DataFrames
خواندن/نوشتن فایل‌ها
کار با داده های بازار سهام
ایجاد تجسم با استفاده از seaborn و plotly
آماده سازی داده ها برای مدل های یادگیری ماشین
استخراج ویژگی
تقسیم داده‌ها به مجموعه‌های قطار و آزمایش
حل سیستم معادلات
ساخت مدل‌های رگرسیون و طبقه‌بندی
کار با شبکه های عصبی - TensorFlow و Keras
کار با بینایی کامپیوتر - OpenCV
این یک آزمون عالی برای افرادی است که در حال یادگیری زبان پایتون هستند و به دنبال چالش های جدید هستند. این دوره برای افرادی طراحی شده است که قبلاً دانش پایه در پایتون و دانش در مورد کتابخانه های علوم داده دارند. تمرینات نیز آزمون خوبی قبل از مصاحبه هستند. بسیاری از موضوعات محبوب در این دوره پوشش داده شد.
دریغ نکنید و امروز چالش را انجام دهید!
نظرسنجی توسعه دهندگان سرریز پشته
طبق نظرسنجی توسعه دهندگان Stack Overflow در سال 2021، پایتون بیشترین درخواست برنامه نویسی است. پایتون با عبور از SQL به سومین فناوری محبوب ما تبدیل شد. Python همان زبانی است که توسعه‌دهندگان می‌خواهند با آن کار کنند، اگر قبلاً این کار را نکرده‌اند.
این دوره برای چه کسانی است:
- همه کسانی که می خواهند با انجام کار یاد بگیرند
- همه کسانی که می خواهند مهارت های برنامه نویسی در پایتون را بهبود بخشند
- افرادی که برای مصاحبه آماده می شوند
- افراد علاقه مند به علم داده
- دانشمندان داده
- تجزیه و تحلیل داده ها
- مهندسین یادگیری ماشین
پیکربندی (اختیاری) Configuration (optional)
-
اطلاعات Info
-
الزامات Requirements
-
Google Colab + Google Drive Google Colab + Google Drive
-
Google Colab + GitHub Google Colab + GitHub
-
Google Colab - مقدمه Google Colab - Intro
-
نصب آناکوندا - ویندوز 10 Anaconda installation - Windows 10
-
مقدمه ای بر اسپایدر Introduction to Spyder
-
نصب آناکوندا - لینوکس Anaconda installation - Linux
نکات Tips
-
چند کلمه از نویسنده A few words from the author
-
نکته Tip
-----NUMPY----- -----NUMPY-----
-
مقدمه Intro
001-010 تمرینات 001-010 Exercises
-
تمرینات Exercises
-
تمرین + راه حل Exercises + Solutions
011-020 تمرینات 011-020 Exercises
-
تمرینات Exercises
-
تمرین + راه حل Exercises + Solutions
021-030 تمرینات 021-030 Exercises
-
تمرینات Exercises
-
تمرین + راه حل Exercises + Solutions
031-040 تمرینات 031-040 Exercises
-
تمرینات Exercises
-
تمرین + راه حل Exercises + Solutions
041-050 تمرینات 041-050 Exercises
-
تمرینات Exercises
-
تمرین + راه حل Exercises + Solutions
051-060 تمرینات 051-060 Exercises
-
تمرینات Exercises
-
تمرین + راه حل Exercises + Solutions
061-070 تمرینات 061-070 Exercises
-
تمرینات Exercises
-
تمرینات Exercises
-
تمرین + راه حل Exercises + Solutions
-
تمرین + راه حل Exercises + Solutions
نمایش نظرات
نظری ارسال نشده است.
https://donyad.com/d/e14d
آموزش Python for Data Science - NumPy، Pandas & Scikit-Learn
Python for Data Science - NumPy, Pandas & Scikit-Learn
مهارت های علم داده خود را بهبود بخشید و بیش از 330 تمرین را در Python، NumPy، Pandas و Scikit-Learn حل کنید!
آموزش مقدمه ای بر تجسم داده با پایتون
Introduction to Data Visualization with Python
تجسم داده ها اغلب اولین قدم در هر نوع تجزیه و تحلیل داده ها است. این دوره چندین روش ضروری تجسم داده ها ، زمان استفاده از آنها و نحوه پیاده سازی آنها با پایتون و Matplotlib را به شما آموزش می دهد.
آموزش پایتون برای مهندسان شبکه
Python for Network Engineers
این آموزش پایتون برای مهندسان شبکه نحوه خودکارسازی رفتار و بهبود سرعت شبکه خود را با پایتون را پوشش می‌دهد. دوره آزمایشی رایگان خود را امروز شروع کنید!
آموزش مقدمه ای بر اسکریپت نویسی پایتون در NUKE
Introduction to Python Scripting in NUKE
پایتون یک زبان برنامه نویسی پرکاربرد است که در NUKE ادغام شده است تا به ما هنرمندان اجازه می دهد رابط کاربری را کنترل کنند، بسیاری از گره ها را به سرعت تغییر دهند و با برنامه های خارجی ادغام شوند. نرم افزار مورد نیاز: NOKE 6.3v6.
Paweł Krakowiak
دانشمند داده ، کارگزار اوراق بهادار دانشمند داده ، کارگزار اوراق بهادار موسس e-smartdata [.] org. طرفدار بزرگ فن آوری های جدید ، به ویژه در زمینه های هوش مصنوعی ، داده های بزرگ و راه حل های ابری. فارغ التحصیل تحصیلات تکمیلی در آکادمی فناوری اطلاعات لهستان و ژاپن در رشته علوم کامپیوتر در تخصص Big Data. فارغ التحصیل دوره کارشناسی ارشد در ریاضیات مالی و حسابداری در دانشکده ریاضیات و علوم کامپیوتر دانشگاه لودز. دارنده پروانه سهام کارگزار سهام با تجربه در تدریس در دانشگاه. مدرس بنیاد GPW (تجزیه و تحلیل فنی ، امور مالی رفتاری و مدیریت نمونه کارها).
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.