آموزش علوم داده برای توسعه دهندگان جاوا - آخرین آپدیت

سرفصل ها و درس ها

مقدمه Introduction

• علم داده: ایجاد معنا از هرج و مرج Data science: Making sense out of chaos

1. مبانی علوم داده 1. Data Science Basics

• به هر حال علم داده چیست؟ What is data science anyway?

• نمونه های علم داده Data science examples

• داده ها به عنوان یک دارایی تجاری Data as a business asset

• CRISP-DM: چرخه علم داده است CRISP-DM: The data science cycle

• انواع مشکلات در علم داده Types of problems in data science

2. نمایندگی داده ها در جاوا 2. Representing Data in Java

• قالب بندی داده ها در جاوا Data formatting in Java

• قالب بندی بیشتر داده ها More data formatting

• مشکلات داده های واقعی Real-life data difficulties

3. تکنیک های دستکاری داده ها 3. Data Manipulation Techniques

• نقشه برداری Mapping

• فیلتر کردن Filtering

• جمع آوری Collecting

• مرتب سازی Sorting

• چالش: ترکیب عملیات داده ها Challenge: Combining data operations

• راه حل: ترکیب عملیات داده ها Solution: Combining data operations

4. بارگیری داده ها در جاوا 4. Loading Data in Java

• کاهش اندازه پرونده Reducing file size

• بارگیری داده ها از پرونده های متنی Loading data from text files

• ایجاد کلاس داده های شخص Creating a person data class

• تبدیل رشته ها به اشیا data داده ای Converting strings to data objects

• بارگیری فایل های جدا شده از تب Loading tab-separated files

• CSV در حال بارگیری است Loading CSVs

• تبدیل CSV به اشیا data داده ای Converting CSVs to data objects

• چالش: دستکاری داده ها Challenge: Manipulating data

• راه حل: دستکاری داده ها Solution: Manipulating data

5. تجسم داده با JavaFX 5. Data Visualization with JavaFX

• راه اندازی JavaFX Setting up JavaFX

• قالب بندی داده ها برای پراکندگی Formatting data for a scatterplot

• نمایش یک پراکندگی Displaying a scatterplot

• چندین مجموعه داده در یک پراکنده Multiple datasets on a scatterplot

• محاسبه میانگین MPG Calculating average MPG

• نمایش نمودار میله ای Displaying a bar chart

• چالش: نمایش داده ها بر روی نمودار میله ای Challenge: Displaying data on a bar chart

• راه حل: نمایش داده ها روی نمودار میله ای Solution: Displaying data on a bar chart

6. مدل سازی و یادگیری ماشین 6. Modeling and Machine Learning

• ساخت مدل های یادگیری ماشین Building machine learning models

• یادگیری تحت نظارت و نظارت بدون نظارت Supervised vs. unsupervised learning

• نصب بیش از حد و چگونگی اجتناب از آن Overfitting and how to avoid it

7. K- نزدیکترین همسایگان (KNN) 7. K-Nearest Neighbors (KNN)

• اصول نزدیکترین همسایه K K-nearest neighbor basics

• در حال بارگیری داده های گل Loading flower data

• ایجاد یک رابط DataItem Creating a DataItem interface

• محاسبه نزدیکترین نقاط داده Calculating the closest data points

• پیاده سازی رابط DataItem Implementing the DataItem interface

• اجازه دادن به امتیاز داده های شما Letting your data points vote

• در حال تکمیل طبقه بندی KNN شما Finishing your KNN classifier

8. بایز ساده لوح 8. Naive Bayes

• اصول ساده لوح بیز Naive Bayes basics

• محاسبه برچسب های احتمالی Calculating the possible labels

• مجموعه داده خود را برچسب تقسیم کنید Splitting your dataset by label

• محاسبه میانگین و انحراف معیار Calculating mean and standard deviation

• محاسبه احتمالات پایگاه داده Calculating datapoint probabilities