آموزش تحلیل اکتشافی داده‌ها (EDA) با مجموعه‌داده‌های پیچیده در پایتون - آخرین آپدیت

دانلود Exploratory Data Analysis with Complex Datasets in Python

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: زمانی که مجموعه‌داده‌ها دارای ابعاد بالا و داده‌های نامنظم هستند، تحلیل اکتشافی داده‌ها (EDA) می‌تواند بسیار دشوار و چالش‌برانگیز باشد. در این دوره، «تحلیل اکتشافی داده‌ها با مجموعه‌داده‌های پیچیده در پایتون»، شما توانایی پاک‌سازی و اجرای EDA روی داده‌های نامنظم و چندبعدی را با استفاده از زبان پایتون کسب خواهید کرد. در ابتدا، با مفهوم مجموعه‌داده‌های پیچیده آشنا می‌شوید و می‌آموزید که چگونه از پایتون برای درک بهتر ساختار داده‌ها و بصری‌سازی آن‌ها استفاده کنید. سپس، تکنیک‌های پاک‌سازی برای آماده‌سازی داده‌های پیچیده، مانند مدیریت مقادیر گم‌شده (Missing Values)، کدگذاری متغیرهای دسته‌ای (Categorical Variables)، کاهش ابعاد و موارد دیگر را فرا خواهید گرفت. در نهایت، نحوه اجرا و بهینه‌سازی EDA روی داده‌های پیچیده برای یافتن روندها، الگوها و شناسایی نقاط ضعف و خطاهای موجود در داده‌ها را خواهید آموخت. پس از اتمام این دوره، شما مهارت‌ها و دانش لازم برای مواجهه با مجموعه‌داده‌های پیچیده و استخراج بینش‌های ارزشمند از آن‌ها را با استفاده از پایتون به‌دست خواهید آورد.

سرفصل ها و درس ها

درک مجموعه‌داده‌های پیچیده Understanding Complex Datasets

  • مقدمه‌ای بر مجموعه‌داده‌های پیچیده Introduction to Complex Datasets

  • کاوش در مجموعه‌داده‌های پیچیده Exploring Your Complex Dataset

  • بصری‌سازی پیچیدگی‌ها Visualizing Complexity

پاک‌سازی داده‌های پیچیده برای EDA Cleaning Complex Data for EDA

  • مدیریت داده‌های گم‌شده و دسته‌ای Dealing with Missing and Categorical Data

  • مقیاس‌بندی و کاهش ابعاد Scaling and Dimensionality Reduction

  • پاک‌سازی مجموعه‌داده‌های پیچیده Cleaning Your Complex Dataset

اجرا و تحلیل EDA روی داده‌های پیچیده Performing and Analyzing EDA on Complex Data

  • تحلیل اکتشافی داده‌ها در مجموعه‌داده‌های پیچیده EDA on Complex Datasets

  • نمونه‌برداری و خوشه‌بندی Sampling and Clustering

  • بهینه‌سازی EDA برای شناسایی خطاهای داده‌ای Adjusting EDA for Data Pitfalls

نمایش نظرات

آموزش تحلیل اکتشافی داده‌ها (EDA) با مجموعه‌داده‌های پیچیده در پایتون
جزییات دوره
36m
9
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
6
از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Anand Saravanan Anand Saravanan

آناند یک مهندس نرم افزار است و مشتاق هوش مصنوعی و کاربردهای چند رشته ای آن است. او همیشه به فناوری و اینکه چگونه می توان از آن برای کمک به مردم و مشاغل استفاده کرد، علاقه داشت. او که در زبان های برنامه نویسی مختلف مانند C++، جاوا، R، Python، SQL، Hadoop و غیره تسلط دارد، مردی است که دائماً می تواند دانش خود را یاد بگیرد و به اشتراک بگذارد. او با شرکت های Fortune 500 در بخش های مختلف کار کرده است تا به آنها کمک کند تا به طور موثر از داده های موجود برای کمک به تصمیم گیری های تجاری بهتر استفاده کنند.