آموزش Level Up: Python Data Acquisitions، Prep و EDA
Level Up: Python Data Acquisitions, Prep, and EDA
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
به مربی ست بری بپیوندید تا 15 چالش را ارائه کند، که با آزمون مهارت‌های اولیه شروع می‌شود و به کارهای پیچیده‌تر می‌روید. هر ویدیو مستقل است، بنابراین شما می توانید انتخاب کنید که کدام چالش ها را امتحان کنید، و سپس راه حل خود را با توضیحات ست مقایسه کنید. این چالش‌ها بر روی جمع‌آوری داده‌ها، آماده‌سازی داده‌ها، و EDA تمرکز دارند.
این دوره با GitHub Codespaces، یک محیط توسعه‌دهنده ابر فوری که تمام عملکردهای IDE مورد علاقه‌تان را بدون نیاز به هیچ‌گونه راه‌اندازی ماشین محلی ارائه می‌دهد، یکپارچه شده است. با GitHub Codespaces، می‌توانید در هر زمان و در هر زمانی از هر ماشینی تمرین عملی داشته باشید—همه با استفاده از ابزاری که احتمالاً در محل کار با آن مواجه خواهید شد.
هر قسمت از سری Level Up حداقل ارائه می‌دهد. 15 فرصت کوچک برای تمرین برنامه نویسی در سطوح مختلف دشواری، تا بتوانید خودتان را به چالش بکشید و آموخته های خود را تقویت کنید. برای یادگیری نحوه راه‌اندازی و راه‌اندازی یک فضای کد، ویدیوی «استفاده از فضاهای کد GitHub با این دوره» را ببینید.
این دوره با GitHub Codespaces، یک محیط توسعه‌دهنده ابر فوری که تمام عملکردهای IDE مورد علاقه‌تان را بدون نیاز به هیچ‌گونه راه‌اندازی ماشین محلی ارائه می‌دهد، یکپارچه شده است. با GitHub Codespaces، می‌توانید در هر زمان و در هر زمانی از هر ماشینی تمرین عملی داشته باشید—همه با استفاده از ابزاری که احتمالاً در محل کار با آن مواجه خواهید شد.
هر قسمت از سری Level Up حداقل ارائه می‌دهد. 15 فرصت کوچک برای تمرین برنامه نویسی در سطوح مختلف دشواری، تا بتوانید خودتان را به چالش بکشید و آموخته های خود را تقویت کنید. برای یادگیری نحوه راه‌اندازی و راه‌اندازی یک فضای کد، ویدیوی «استفاده از فضاهای کد GitHub با این دوره» را ببینید.
سرفصل ها و درس ها
مقدمه Introduction
-
شروع با پایتون برای علم داده: چالش های کد (در حال انجام) Getting started with Python for data science: Code challenges (In progress)
-
استفاده از GitHub Codespaces با این دوره Using GitHub Codespaces with this course
1. اکتساب داده 1. Data Acquisition
-
جداول تراشیدن Scraping tables
-
پیدا کردن انتخابگرهای CSS Finding CSS selectors
-
خراش دادن متن Scraping text
-
یافتن API ها Finding APIs
-
وارد کردن JSON به پانداها Getting JSON into pandas
2. آماده سازی داده ها 2. Data Prep
-
ساخت عبارات منظم Constructing regular expressions
-
پاک کردن متن Cleaning text
-
انتخاب متغیرها Selecting variables
-
رمزگذاری متغیرهای طبقه بندی شده Encoding categorical variables
-
مقیاس بندی متغیرها Scaling variables
-
کاهش ابعاد Reducing dimensionality
3. EDA 3. EDA
-
توصیف داده ها Describing data
-
یافتن همبستگی ها Finding correlations
-
تجسم همبستگی ها Visualizing correlations
-
تجسم های چند متغیره Multivariable visualizations
https://donyad.com/d/5baf4d
Seth Berry
استادیار تدریس و مدیر مشترک MSBA در دانشگاه نوتردام
ست بری فن آوری اطلاعات، تجزیه و تحلیل، و عملیات را تدریس می کند و برنامه MSBA را هدایت می کند.
پس از دریافت دکتری. در روان‌شناسی تجربی کاربردی، ست سفر خود را در نوتردام به عنوان مشاور روش‌شناسی نظرسنجی برای مرکز تحقیقات اجتماعی (CSR) آغاز کرد، جایی که در تحقیقات گسترده‌ای شرکت داشت. او سمت دانشمند داده را در کالج بازرگانی مندوزا پذیرفت و سپس شروع به تدریس کلاس گاه به گاه برای بخش فناوری اطلاعات، تجزیه و تحلیل و عملیات (ITAO) کرد. این کلاس های گاه به گاه به یک موقعیت تدریس تمام وقت برای ITAO تبدیل شدند. ست همچنین چندین خط تحقیقاتی را دنبال می‌کند، از جمله روش‌های بررسی مدرن و آواتارهای انسان‌نما.
پس از دریافت دکتری. در روان‌شناسی تجربی کاربردی، ست سفر خود را در نوتردام به عنوان مشاور روش‌شناسی نظرسنجی برای مرکز تحقیقات اجتماعی (CSR) آغاز کرد، جایی که در تحقیقات گسترده‌ای شرکت داشت. او سمت دانشمند داده را در کالج بازرگانی مندوزا پذیرفت و سپس شروع به تدریس کلاس گاه به گاه برای بخش فناوری اطلاعات، تجزیه و تحلیل و عملیات (ITAO) کرد. این کلاس های گاه به گاه به یک موقعیت تدریس تمام وقت برای ITAO تبدیل شدند. ست همچنین چندین خط تحقیقاتی را دنبال می‌کند، از جمله روش‌های بررسی مدرن و آواتارهای انسان‌نما.
نمایش نظرات