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

Linkedin (لینکدین)

لینکدین: شبکه اجتماعی حرفه‌ای برای ارتباط و کارآفرینی

لینکدین به عنوان یکی از بزرگترین شبکه‌های اجتماعی حرفه‌ای، به میلیون‌ها افراد در سراسر جهان این امکان را می‌دهد تا ارتباط برقرار کنند، اطلاعات حرفه‌ای خود را به اشتراک بگذارند و فرصت‌های شغلی را کشف کنند. این شبکه اجتماعی به کاربران امکان می‌دهد تا رزومه حرفه‌ای خود را آپدیت کنند، با همکاران، دوستان و همکاران آینده ارتباط برقرار کنند، به انجمن‌ها و گروه‌های حرفه‌ای ملحق شوند و از مقالات و مطالب مرتبط با حوزه کاری خود بهره‌مند شوند.

لینکدین همچنین به کارفرمایان امکان می‌دهد تا به دنبال نیروهای با تجربه و مهارت مورد نیاز خود بگردند و ارتباط برقرار کنند. این شبکه حرفه‌ای به عنوان یک پلتفرم کلیدی برای بهبود دسترسی به فرصت‌های شغلی و گسترش شبکه حرفه‌ای خود، نقش مهمی را ایفا می‌کند. از این رو، لینکدین به عنوان یکی از مهمترین ابزارهای کارآفرینی و توسعه حرفه‌ای در دنیای امروز مورد توجه قرار دارد.

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.