لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش Python for Data Science and Machine Learning Essential Training قسمت 2
Python for Data Science and Machine Learning Essential Training Part 2
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
اگر حرفه ای هستید که می خواهید از داده های کسب و کار برای تصمیم گیری بهتر از طریق تجزیه و تحلیل پیش بینی استفاده کنید، این دوره می تواند به شما کمک کند. لیلیان پیرسون - مهندس، مدیر عامل و رئیس محصول در Data-Mania - شما را از طریق ترکیبی قوی از تجربیات کدنویسی علوم داده پایه، نمایشها، چالشها، راهحلها و تمرینهایی راهنمایی میکند که میتوانید به سرعت در تجزیه و تحلیل دادهها و پروژههای تجزیه و تحلیل سفارشیشده اعمال کنید. . بهترین روش ها را برای تمیز کردن داده ها، تجسم داده ها، تجزیه و تحلیل داده ها و برنامه نویسی پایتون بیاموزید.
در پایان دوره، میتوانید از پایتون برای موارد زیر استفاده کنید:
پاک کردن، تغییر شکل، قالب بندی مجدد و توصیف داده ها
تجسم داده ها را برای ارائه داده ها و تجزیه و تحلیل اکتشافی بصری ایجاد کنید
موارد پرت را شناسایی و حذف کنید
تجزیه و تحلیل ساده داده را انجام دهید
منبع، ذخیره و تجزیه و تحلیل داده ها از اینترنت
با استفاده از Plot.ly دارایی های تجزیه و تحلیل مشترک ایجاد کنید
سرفصل ها و درس ها
معرفی
Introduction
هک های زندگی علم داده
Data science life hacks
نحوه استفاده از Codespace در این دوره
How to use Codespaces in this course
آنچه شما باید بدانید
What you should know
1. مقدمه ای بر یادگیری ماشین
1. Introduction to Machine Learning
تعریف علم داده
Defining data science
نقشه راه یادگیری ماشینی سطح بالا
High-level machine learning roadmap
گروه بندی الگوریتم های یادگیری ماشین
Grouping machine learning algorithms
دیدن مکان یادگیری ماشینی
Seeing where machine learning fits in
مبانی هوش مصنوعی یادگیری ماشینی
Machine learning AI foundations
2. مدل های رگرسیون
2. Regression Models
رگرسیون خطی چندگانه
Multiple linear regression
رگرسیون لجستیک: اعتبارسنجی مجموعه داده
Logistic regression: Validating dataset
رگرسیون لجستیک: پیش بینی آزمون
Logistic regression: Test prediction
رگرسیون لجستیک: ارزش های از دست رفته را درمان کنید
Logistic regression: Treat missing values
رگرسیون لجستیک: ارزیابی مدل
Logistic regression: Model evaluation
لیلیان پیرسون ، P.E. یک متخصص برجسته در زمینه داده های بزرگ و علوم داده است.
او متخصصان و دانشجویان شاغل را به مهارتهای داده مورد نیاز برای رقابت در اقتصاد مبتنی بر داده محور تجهیز می کند.
لیلیان اخیراً به عنوان مربی علوم داده برای چندین دوره در زمینه آموزش LinkedIn یاد شده است. او همچنین نویسنده چندین کتاب فنی بسیار مرجع توسط انتشارات جان ویلی و پسران ، از جمله شرکت Data Science for Dummies (2017 ، 2015) است و دهه گذشته را در آموزش و مشاوره برای سازمانهای بزرگ فنی در بخش خصوصی گذرانده است. بخش هایی مانند IBM ، BMC ، دل و اینتل و همچنین سازمان های دولتی از نیروی دریایی ایالات متحده تا سطح دولت محلی.
به عنوان بنیانگذار Data-Mania LLC ، لیلیان دوره های آموزشی آنلاین و حضوری و همچنین کارگاه ها و سایر مواد آموزشی را در زمینه داده های بزرگ ، علوم داده و تجزیه و تحلیل داده ها ارائه می دهد.
نمایش نظرات