لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش آمادهسازی و تحلیل دادهها
- آخرین آپدیت
دانلود Data Preparation and Analysis
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
مهارتهای آمادهسازی دادهای را که برای تبدیل دادههای خام و نامنظم به مجموعهدادههای پاک و آماده برای مدلسازی نیاز دارید، کسب کنید. در این دوره، تجربات عملی مورد نیاز برای نقشهایی مانند تحلیلگر داده، دانشمند داده جونیور، تحلیلگر یادگیری ماشین، تحلیلگر کسبوکار و مهندس تحلیل داده را توسعه خواهید داد. شما فرآیند وارد کردن دادهها از فایلها، پایگاههای داده و APIها، بازرسی کیفیت دادهها، انجام تحلیل اکتشافی دادهها (EDA) و ایجاد بصریسازیهایی را تجربه میکنید که به شما کمک میکند نیازهای دادهها را پیش از شروع مدلسازی درک کنید.
این یک تجربه یادگیری مهارتمحور و غیرسنتی است که به جای توالی سخنرانیهای ثابت، حول محور وظایف واقعی محیط کار سازماندهی شده است. این دوره به گونهای طراحی شده تا مسئولیتهایی را که در شرح شغلیهای واقعی میبینید منعکس کند؛ از ترکیب دادهها از منابع متعدد و تشخیص مشکلات کیفیت دادهها گرفته تا آمادهسازی مجموعهدادههای آموزشی، اعتبارسنجی و تست برای گردش کارهای یادگیری ماشین. شما میتوانید مسیر یادگیری خود را بر اساس دانش قبلی شخصیسازی کنید، بر مهارتهایی که بیشتر به آنها نیاز دارید تمرکز کنید و محتوای غیرضروری را نادیده بگیرید.
این دوره درسهای باکیفیتی را از مدرسان خبره گردآوری کرده و قویترین محتواها را برای هر مهارت انتخاب کرده است تا بتوانید تجربه عملی و مرتبط با شغلی در آمادهسازی دادهها کسب کنید. در پایان، قادر خواهید بود دادههای خام را وارد و ارزیابی کنید، مقادیر گمشده و متناقض را پاکسازی کنید، دادههای پرت (Outliers) را شناسایی و مدیریت کنید، ویژگیهای معنادار را مهندسی کنید و مجموعهدادههایی را که به درستی تقسیمبندی، مقیاسبندی، نرمالسازی و کدگذاری شدهاند برای تحلیل و مدلسازی آماده سازید.
اگر تجربه اولیهای در تحلیل دادهها، کار با صفحات گسترده (Spreadsheets)، SQL، پایتون یا مفاهیم مقدماتی یادگیری ماشین دارید، این دوره برای شما بسیار مناسب است.
سرفصل ها و درس ها
شروع کنید: آشنایی با دوره و ارزیابی مهارتها
Start Here: Get Oriented and Check Your Skills
وظیفه شغلی ۱: وارد کردن و بازرسی دادههای خام برای آمادگی مدلسازی
Job Task 1: Ingest and Audit Raw Data for Modeling Readiness
شناسایی ابزارها و فناوریها برای خط لولههای داده (Data Pipelines)
Identifying Tools and Technologies for Data Pipelines
بررسی فرآیندهای ETL
Examining the ETL processes
بهکارگیری هدوپ (Hadoop) برای پردازش دادهها
Applying Hadoop for Processing Data Processing Data with Hadoop
اجرای فرآیندهای ETL
Executing ETL Processes
بصریسازی حرفهای: از مفاهیم پایه تا جذاب
Professional Visualizations: From Basic to Beautiful
داشبوردهای تعاملی با Plotly: بخشیدن حیات به دادهها
Interactive Dashboards with Plotly: Bringing Data to Life
وظیفه شغلی ۲: آمادهسازی یک مجموعهداده پاک و آماده برای تحلیل
Job Task 2: Prepare a Clean Analysis-Ready Dataset
بارگذاری و بررسی دادههای پرواز در Power BI
1. Load and Explore Flight Data in Power BI
تبدیل تاریخها و استخراج مدلهای هواپیما
2. Transform Dates and Extract Airplane Models
تبدیل زمانها و مدتزمانها برای تحلیل
3. Convert Times and Durations for Analysis
ادغام دادههای پرواز و مسیر برای یکپارچهسازی
4. Merge Flight and Route Data for Integration
مدیریت دادههای پرت و مقادیر گمشده
5. Handling Outliers and Missing Values
فعالیت جامع
Cumulative Activity
بارگذاری و بررسی دادههای پرواز در Power BI
Load and Explore Flight Data in Power BI
مدیریت دادههای پرت و مقادیر گمشده
Handling Outliers and Missing Values
تمرین عملی
Practice Task
فعالیت جامع
Cumulative Activity
بارگذاری و بررسی دادههای پرواز در Power BI
Load and Explore Flight Data in Power BI
مدیریت دادههای پرت و مقادیر گمشده
Handling Outliers and Missing Values
تمرین عملی
Practice Task
فعالیت جامع
Cumulative Activity
وظیفه شغلی ۳: مهندسی ویژگیها و ساخت مجموعهداده آماده برای مدل
Job Task 3: Engineer Features and Build a Model-Ready Dataset
تبدیل، کاهش و انتخاب: مهندسی پیشرفته ویژگیها
Transform, Reduce, Select: Advanced Feature Engineering
آمادهسازی دادهها برای یادگیری ماشین (ML)
Preparing Your Data for ML
ساخت مدلهای طبقهبندی (Classification)
Building Classification Models
آمادهسازی دادهها برای یادگیری ماشین (ML)
Preparing Your Data for ML
ساخت مدلهای طبقهبندی (Classification)
Building Classification Models
جمعبندی: بررسی دستاوردهای مهارتی و انتخاب مسیر بعدی
Wrap Up: Review Your Skill Achievement and Choose Your Next Path
نمایش نظرات