آموزش علوم داده برای توسعه دهندگان جاوا

Data Science for Java Developers

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: یادگیری اصول علوم داده و نحوه استفاده از آنها در جاوا ، از نظر ساخت نرم افزار و فرصت های شغلی ، دنیایی از امکانات را برای شما فراهم می کند. در این دوره ، مدرس Shaun Wassell مجموعه مهارتهای مورد نیاز برای علم داده را به شما راهنمایی می کند ، به شما نشان می دهد که چگونه داده ها را در جاوا تجسم کنید ، و روش های مختلف تبدیل داده به اطلاعات را کاوش می کند. شاون برخی از مفاهیم اساسی و مثالهای علم داده را معرفی می کند ، سپس شما را در روند نمایش داده ها در جاوا و برخی از دشواری هایی که ممکن است با آنها روبرو شوید ، دنبال می کند. وی در مورد تکنیک های دستکاری داده ها مانند نقشه برداری ، فیلتر کردن ، جمع آوری و مرتب سازی بحث می کند. شاون نحوه یافتن ، جمع آوری ، تمیز کردن ، دستکاری و ذخیره داده ها را توصیف می کند تا بتوانید کارهای مفیدی را با آن شروع کنید. بعد ، او قسمت سرگرم کننده را به شما نشان می دهد: روش های مختلفی که می توانید برای تبدیل داده ها به اطلاعات استفاده کنید. شاون نزدیکترین همسایه ، بیز ، رگرسیون خطی ، درختان تصمیم ، خوشه بندی و موارد دیگر را پوشش می دهد.

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

نمایش نظرات

آموزش علوم داده برای توسعه دهندگان جاوا
جزییات دوره
3h 51m
47
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
196
- از 5
ندارد
دارد
دارد
Shaun Wassell
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Shaun Wassell Shaun Wassell

توسعه دهنده نرم افزار Full-Stack Shaun Wassell یک توسعه دهنده نرم افزار کاملاً پشته ای است که در زمینه برنامه نویسی و اتوماسیون صنعتی تخصص دارد.

Shaun با امید به ساخت بازی های ویدیویی عالی برنامه نویسی را در دوره راهنمایی شروع کرد. وی در ادامه به دریافت مدرک علوم کامپیوتر و ادامه کار حرفه ای نرم افزار توسعه یافت. او از پیشرفت کامل و موبایل لذت می برد. علاوه بر رایانه ، شاون به موسیقی ، معماری ، باغبانی و آبجو دستی نیز علاقه دارد.