آموزش پانداهای پایتون | راه به سمت یادگیری ماشین قسمت 3
Python pandas tutorial | road to machine learning part 3
در این آموزش من به پانداها موارد ضروری را آموزش می دهم. Pandas یک کتابخانه پایتون است که برای تجزیه و تحلیل داده ها اختصاص داده شده است. یکی از مهمترین ابزار توسعه دهندگان یادگیری ماشین مدرن است. در این آموزش ما تمام عملکردهای مورد نیاز برای شروع تجزیه و تحلیل داده ها در پانداها را پوشش می دهیم.
برای کل دوره، نمونه‌های مفصلی را آماده کردیم که در دفترچه‌های آزمایشگاه jupyter مستند و اجرا شده‌اند. می توانید کد منبع را در . ما به شدت توصیه می‌کنیم ابتدا سعی کنید نمونه‌ها را در طول سخنرانی کدنویسی کنید. از کد منبع به عنوان آخرین منبع برای غلبه بر خطاها استفاده کنید. به این ترتیب با دوره بسیار بیشتر یاد خواهید گرفت :).
در طول درس‌ها، کد نمونه‌ای را ارائه می‌کنیم که روی مجموعه داده kaggle اجرا می‌شود که می‌توانید در این مورد پیدا کنید. برای دانلود مجموعه داده از kaggle باید ثبت نام کنید. ثبت نام رایگان است. Kaggle مکانی ایده آل برای مجموعه داده های اختصاص داده شده برای یادگیری یادگیری ماشین است :).
دستور کار دوره به شرح زیر است:
- خواندن چارچوب داده و دسترسی به ویژگی ها
- انتخاب از چارچوب داده
- نمایه سازی قاب داده
- چند نمایه ستون
- در حال به‌روزرسانی چارچوب داده
- پیوستن به دیتافریم
- توصیف چارچوب داده (مقدمه ای بر تحلیل اکتشافی)
- تکرار فریم داده
- گروه بر اساس
- رشته، تاریخ و مرتب سازی
- مبانی رسم
- نوشتن چارچوب داده
در این پروژه شما با تجزیه و تحلیل مجموعه داده‌های انتخابی خود، مهارت‌های آموخته‌شده در این دوره را به چالش می‌کشید. با خیال راحت از هر مجموعه داده ای که می خواهید استفاده کنید. چند ایده:
- .
- .
- .
وظایف پروژه:
- انواع داده های ستون های مجموعه داده انتخابی را دریافت کنید.
- مقادیر Nan را در مجموعه داده پر کنید (در مورد ستون های عددی از میانگین استفاده کنید، در مورد Nans در ستون های شیء از کلمه "خالی" استفاده کنید).
- برای اعمال برخی از توابع سفارشی به ستون‌هایی که انتخاب میکنید، از گروه با روش استفاده کنید.
- سعی کنید در ستون های انتخابی خود مقداری باکس نمودار ترسیم کنید.
- داده فریم حاصل را در یک فایل اکسل ذخیره کنید.
درس ها Lessons
-
پروژه Project
-
در حال تکرار Iterating
-
دسته بندی بر اساس Group by
-
نوشتن دیتا فریم Writing dataframe
-
توصیف کردن Describe
-
پیوستن Joining
-
خواندن و صفات Reading and attributes
-
نمایه سازی Indexing
-
انتخاب کردن Selecting
-
توطئه Ploting
-
ستون های چند شاخص Multi index columns
-
مقدمه Introduction
-
رشته ها، تاریخ، مرتب سازی Strings, datetimes, sort
-
در حال بروز رسانی Updating
https://donyad.com/d/46af
Michal Hucko
پایتون | داکر | کوبرنتیس
سلام دنیا!! نام من Michal Hucko است و من یک توسعه دهنده پرشور پایتون هستم. من معلم سابق دانشگاه هستم. من در حال گذراندن مقطع دکترا در رشته کامپیوتر بودم، اما به دلیل شرایط ناگوار تصمیم گرفتم در حال حاضر تحصیل را به تعویق بیندازم. به همین دلیل می خواهم علوم کامپیوتر را به صورت آنلاین تدریس کنم. امیدوارم بتوانم به شما در درک دنیای مدرن یادگیری ماشین و محاسبات توزیع شده کمک کنم.
علاوه بر برنامه نویسی، دوست دارم با همسرم، برادرم و دوستانم وقت بگذرانم. من یک مرد تناسب اندام پرشور هستم و گاهی اوقات بازی های رایانه ای انجام می دهم.
درباره حرفه مهندسی من
برای 5 سال گذشته من به عنوان یک توسعه دهنده توسعه دهندگان یادگیری ماشینی کار می کنم. من بیشتر با docker، kubernetes و python کار می کنم. در حال حاضر من برای یکی از بزرگترین شرکت های کامپیوتری در جهان کار می کنم :). می توانید برای رزومه کامل من را بررسی کنید.
درباره تحقیقات یادگیری ماشین من
من حرفه یادگیری ماشینی خود را با پردازش متن آغاز کردم. به طور خاص پردازش زبان طبیعی و طبقه بندی متن. برای 4 سال گذشته، من تحقیقاتم را به محاسبات عاطفی انجام دادم. در این زمینه من احساسات کاربر را بر اساس حرکات ماوس با استفاده از هوش مصنوعی پیش بینی می کردم. من نویسنده چند مقاله تحقیقاتی در زمینه محاسبات عاطفی و طبقه بندی متن هستم
من می خواهم دوره های متنوعی از دوره های مبتدی تا حرفه ای ارائه دهم. هر زمان که خواستید با من تماس بگیرید :)
درباره کلاس های من
در دانشگاه اصول برنامه نویسی رویه ای و اصول برنامه نویسی شی گرا را تدریس کردم. در اینجا در skillshare می‌خواهم کل بسته را برای مبتدیان مطلق در یادگیری ماشین پوشش دهم:
می‌خواهم پوشش دهم:
- مبانی پایتون
- پایتون شی گرا
- نوت بوک های Jupyter
- مبانی پایتون تجزیه و تحلیل داده ها
- مبانی پایتون در یادگیری ماشین
- مبانی داکر
- مبانی محاسبات توزیع شده
- و بسیاری دیگر
من اینجا برای مبتدیانی هستم که می خواهند زیبایی های یادگیری ماشینی مدرن را کشف کنند. :)
نمایش نظرات