آموزش Data Science A-Z™: تمرینات عملی و پاداش ChatGPT [2023]

Data Science A-Z™: Hands-On Exercises & ChatGPT Bonus [2023]

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: گام به گام علم داده را از طریق مثال های واقعی آنالیتیکس بیاموزید. داده کاوی، مدلسازی، تجسم تابلو و موارد دیگر! انجام موفقیت آمیز تمام مراحل در یک پروژه پیچیده علم داده ایجاد تجسم های پایه جدولی انجام داده کاوی در Tableau درک نحوه اعمال آزمون آماری Chi-Squared اعمال روش حداقل مربعات معمولی برای ایجاد رگرسیون خطی ارزیابی R-Squared برای همه انواع مدل ها ارزیابی تنظیم شده R-Squared برای همه انواع مدل‌ها ایجاد یک رگرسیون خطی ساده (SLR) ایجاد یک رگرسیون خطی چندگانه (MLR) ایجاد متغیرهای ساختگی تفسیر ضرایب یک MLR خواندن خروجی نرم‌افزار آماری برای مدل‌های ایجاد شده استفاده از روش‌های حذف به عقب، انتخاب رو به جلو و حذف دو جهته برای ایجاد مدل های آماری ایجاد یک رگرسیون لجستیک به طور شهودی یک رگرسیون لجستیک را درک کنید با مثبت های کاذب و منفی های کاذب عمل کنید و تفاوت را بدانید خواندن یک ماتریس سردرگمی ایجاد یک مدل تقسیم بندی ژئودموگرافی قوی تغییر متغیرهای مستقل برای اهداف مدل سازی استخراج متغیرهای مستقل جدید برای اهداف مدل سازی بررسی کنید خطی بودن با استفاده از VIF و ماتریس همبستگی درک شهود چند خطی بودن اعمال نمایه دقت تجمعی (CAP) برای ارزیابی مدل ها ساخت منحنی CAP در اکسل استفاده از داده های آموزشی و آزمایشی برای ساخت مدل های قوی استخراج بینش از منحنی CAP درک نسبت شانس کسب و کار استخراج بینش از ضرایب یک رگرسیون لجستیک درک اینکه خرابی مدل در واقع چگونه به نظر می رسد اعمال سه سطح نگهداری مدل برای جلوگیری از خراب شدن مدل نصب و پیمایش SQL Server نصب و پیمایش Microsoft Visual Studio Shell داده های پاک و جستجوی ناهنجاری ها استفاده از خدمات یکپارچه سازی SQL Server (SSIS) ) برای آپلود داده ها در پایگاه داده ایجاد تقسیم های شرطی در SSIS مقابله با خطاهای واجد شرایط متن در داده های RAW ایجاد اسکریپت در SQL اعمال SQL در پروژه های علم داده ایجاد رویه های ذخیره شده در SQL ارائه پروژه های علم داده به ذینفعان پیش نیازها:فقط اشتیاق برای موفقیت همه نرم افزار مورد استفاده در این دوره یا به صورت رایگان در دسترس است یا به عنوان نسخه دمو

فوق العاده عملی... فوق العاده کاربردی... باورنکردنی واقعی!

این یکی از آن کلاس‌های کرکی نیست که در آن همه چیز آنطور که باید انجام می‌شود و تمرین شما دریانوردی روان است. این دوره شما را به انتهای عمیق می اندازد.

در این دوره شما به طور مستقیم تمام دردهایی را که یک دانشمند داده به طور روزانه با آن روبرو می شود، تجربه خواهید کرد. داده های فاسد، ناهنجاری ها، بی نظمی ها - شما نام ببرید!

این دوره به شما یک نمای کلی از سفر علم داده ارائه می دهد. پس از اتمام این دوره می دانید:

  • نحوه پاکسازی و آماده سازی داده های خود برای تجزیه و تحلیل
  • نحوه انجام تجسم اولیه داده های خود
  • نحوه مدل سازی داده های خود
  • چگونه داده های خود را به صورت منحنی تنظیم کنید
  • و در نهایت، چگونه یافته های خود را ارائه دهید و مخاطب را شگفت زده کنید
این دوره آنقدر تمرین های عملی را به شما می دهد که وقتی از این کلاس فارغ التحصیل می شوید دنیای واقعی مانند یک کیک به نظر می رسد. این دوره دارای تمرینات تکلیفی است که آنقدر تفکر برانگیز و چالش برانگیز است که می خواهید گریه کنید... اما تسلیم نمی شوید! شما آن را خرد خواهید کرد. در این دوره شما درک خوبی از ابزارهای زیر ایجاد خواهید کرد:
  • SQL
  • SSIS
  • تابلو
  • گرتل

این دوره دارای مسیرهای از پیش برنامه ریزی شده است. با استفاده از این مسیرها می‌توانید دوره را طی کنید و بخش‌ها را در سفر خودتان ترکیب کنید تا مهارت‌های مورد نیازتان را به شما بدهد.

یا می توانید کل دوره را انجام دهید و خود را برای یک حرفه باورنکردنی در علم داده آماده کنید.

انتخاب با شماست. به کلاس بپیوندید و از امروز شروع به یادگیری کنید!

می بینمت داخل،

با احترام،

کریل ارمنکو


سرفصل ها و درس ها

هیجان زده شدن Get Excited

  • چالش خوش آمدید! Welcome Challenge!

  • به Data Science A-Z™ خوش آمدید Welcome to Data Science A-Z™

  • مجموعه داده ها را از اینجا دریافت کنید Get the Datasets here

علم داده چیست؟ What is Data Science?

  • مقدمه (آنچه در این بخش خواهید آموخت) Intro (what you will learn in this section)

  • حرفه آینده Profession of the future

  • حوزه های علم داده Areas of Data Science

  • مهم: مسیرهای دوره IMPORTANT: Course Pathways

  • جایزه: داستان موفقیت BONUS: Success Story

  • جایزه: ChatGPT برای علم داده BONUS: ChatGPT For Data Science

--------------------------- قسمت 1: تجسم ------------------- -------- --------------------------- Part 1: Visualisation ---------------------------

  • به قسمت 1 خوش آمدید Welcome to Part 1

مقدمه ای بر تابلو Introduction to Tableau

  • مقدمه (آنچه در این بخش خواهید آموخت) Intro (what you will learn in this section)

  • نصب Tableau Desktop و Tableau Public (رایگان) Installing Tableau Desktop and Tableau Public (FREE)

  • شرح چالش + مشاهده داده ها در فایل Challenge description + view data in file

  • اتصال Tableau به یک فایل داده - فایل CSV Connecting Tableau to a Data file - CSV file

  • تابلوی پیمایش - اندازه‌گیری‌ها و ابعاد Navigating Tableau - Measures and Dimensions

  • ایجاد یک فیلد محاسبه شده Creating a calculated field

  • افزودن رنگ ها Adding colours

  • اضافه کردن برچسب ها و قالب بندی Adding labels and formatting

  • در حال صادر کردن کاربرگ شما Exporting your worksheet

  • خلاصه بخش Section Recap

  • مبانی تابلو Tableau Basics

نحوه استفاده از Tableau برای داده کاوی How to use Tableau for Data Mining

  • مقدمه (آنچه در این بخش خواهید آموخت) Intro (what you will learn in this section)

  • مجموعه داده + نمای کلی پروژه را دریافت کنید Get the Dataset + Project Overview

  • اتصال Tableau به یک فایل اکسل Connecting Tableau to an Excel File

  • چگونه یک تست AB را در Tableau تجسم کنیم؟ How to visualise an AB test in Tableau?

  • کار با نام مستعار Working with Aliases

  • افزودن یک خط مرجع Adding a Reference Line

  • به دنبال ناهنجاری است Looking for anomalies

  • ترفند مفید برای اعتبارسنجی رویکرد/داده های خود Handy trick to validate your approach / data

  • خلاصه بخش Section Recap

داده کاوی پیشرفته با تابلو Advanced Data Mining With Tableau

  • مقدمه (آنچه در این بخش خواهید آموخت) Intro (what you will learn in this section)

  • ایجاد سطل ها و تجسم توزیع ها Creating bins & Visualizing distributions

  • ایجاد آزمون طبقه بندی برای یک متغیر عددی Creating a classification test for a numeric variable

  • ترکیب دو نمودار و کار با آنها در Tableau Combining two charts and working with them in Tableau

  • اعتبار سنجی داده کاوی تابلویی با آزمون مجذور کای Validating Tableau Data Mining with a Chi-Squared test

  • تست Chi-Squared زمانی که بیش از 2 دسته وجود دارد Chi-Squared test when there is more than 2 categories

  • یادداشت سریع Quick Note

  • تجسم تعادل و توزیع تخمینی حقوق Visualising Balance and Estimated Salary distribution

  • اضافی: تست Chi-Squared (آموزش آمار) Extra: Chi-Squared Test (Stats Tutorial)

  • اضافی: تست Chi-Squared قسمت 2 (آموزش آمار) Extra: Chi-Squared Test Part 2 (Stats Tutorial)

  • خلاصه بخش Section Recap

  • قسمت تکمیل شد Part Completed

--------------------------- قسمت دوم: مدلسازی ------------------- -------- --------------------------- Part 2: Modelling ---------------------------

  • به قسمت 2 خوش آمدید Welcome to Part 2

بازنگری آمار Stats Refresher

  • مقدمه (آنچه در این بخش خواهید آموخت) Intro (what you will learn in this section)

  • انواع متغیرها: مقوله ای در مقابل عددی Types of variables: Categorical vs Numeric

  • انواع رگرسیون Types of regressions

  • حداقل مربعات معمولی Ordinary Least Squares

  • R-squared R-squared

  • R-squared تنظیم شده است Adjusted R-squared

رگرسیون خطی ساده Simple Linear Regression

  • مقدمه (آنچه در این بخش خواهید آموخت) Intro (what you will learn in this section)

  • آشنایی با گرتل Introduction to Gretl

  • مجموعه داده را دریافت کنید Get the dataset

  • داده ها را وارد کنید و آمار توصیفی را اجرا کنید Import data and run descriptive statistics

  • خواندن خروجی رگرسیون خطی Reading Linear Regression Output

  • رسم و تجزیه و تحلیل نمودار Plotting and analysing the graph

رگرسیون خطی چندگانه Multiple Linear Regression

  • مقدمه (آنچه در این بخش خواهید آموخت) Intro (what you will learn in this section)

  • مجموعه داده را دریافت کنید Get the dataset

  • مفروضات رگرسیون خطی Assumptions of Linear Regression

  • متغیرهای ساختگی Dummy Variables

  • دام متغیر ساختگی Dummy Variable Trap

  • درک P-Value Understanding the P-Value

  • راه های ساخت مدل: BACKWARD، FORWARD، STEPWISE Ways to build a model: BACKWARD, FORWARD, STEPWISE

  • حذف به عقب - زمان تمرین Backward Elimination - Practice time

  • استفاده از Adjusted R-squared برای ایجاد مدل های مقاوم Using Adjusted R-squared to create Robust models

  • ضرایب تفسیر MLR Interpreting coefficients of MLR

  • خلاصه بخش Section Recap

رگرسیون لجستیک Logistic Regression

  • مقدمه (آنچه در این بخش خواهید آموخت) Intro (what you will learn in this section)

  • مجموعه داده را دریافت کنید Get the dataset

  • نتیجه باینری: بله/خیر مشکلات تجاری از نوع Binary outcome: Yes/No-Type Business Problems

  • شهود رگرسیون لجستیک Logistic regression intuition

  • اولین رگرسیون لجستیک شما Your first logistic regression

  • مثبت کاذب و منفی کاذب False Positives and False Negatives

  • ماتریس سردرگمی Confusion Matrix

  • تفسیر ضرایب یک رگرسیون لجستیک Interpreting coefficients of a logistic regression

ساخت یک مدل تقسیم‌بندی ژئودموگرافیک قوی Building a robust geodemographic segmentation model

  • مقدمه (آنچه در این بخش خواهید آموخت) Intro (what you will learn in this section)

  • مجموعه داده را دریافت کنید Get the dataset

  • تقسیم بندی جغرافیایی جمعیتی چیست؟ What is geo-demographic segmenation?

  • بیایید مدل را بسازیم - تکرار اول Let's build the model - first iteration

  • بیایید مدل را بسازیم - حذف به عقب: STEP-BY-STEP Let's build the model - backward elimination: STEP-BY-STEP

  • تبدیل متغیرهای مستقل Transforming independent variables

  • ایجاد متغیرهای مشتق شده Creating derived variables

  • بررسی چند خطی بودن با استفاده از VIF Checking for multicollinearity using VIF

  • ماتریس همبستگی و شهود چند خطی Correlation Matrix and Multicollinearity Intuition

  • مدل آماده است و خلاصه بخش Model is Ready and Section Recap

ارزیابی مدل شما Assessing your model

  • مقدمه (آنچه در این بخش خواهید آموخت) Intro (what you will learn in this section)

  • پارادوکس دقت Accuracy paradox

  • نمایه دقت تجمعی (CAP) Cumulative Accuracy Profile (CAP)

  • نحوه ساخت منحنی CAP در اکسل How to build a CAP curve in Excel

  • ارزیابی مدل خود با استفاده از منحنی CAP Assessing your model using the CAP curve

  • الگوی منحنی CAP را دریافت کنید Get my CAP curve template

  • نحوه استفاده از داده های تست برای جلوگیری از برازش بیش از حد مدل How to use test data to prevent overfitting your model

  • استفاده از مدل برای داده های آزمایشی Applying the model to test data

  • مقایسه عملکرد تمرین و عملکرد آزمون Comparing training performance and test performance

  • خلاصه بخش Section Recap

ترسیم بینش از مدل شما Drawing insights from your model

  • مقدمه (آنچه در این بخش خواهید آموخت) Intro (what you will learn in this section)

  • بینش قدرتمند از CAP شما Power insights from your CAP

  • ضرایب رگرسیون لجستیک - طرح حمله (مبحث پیشرفته) Coefficients of a Logistic Regression - Plan of Attack (advanced topic)

  • نسبت شانس (موضوع پیشرفته) Odds ratio (advanced topic)

  • نسبت شانس در مقابل ضرایب در یک رگرسیون لجستیک (مبحث پیشرفته) Odds Ratio vs Coefficients in a Logistic Regression (advanced topic)

  • استخراج بینش از ضرایب شما (موضوع پیشرفته) Deriving insights from your coefficients (advanced topic)

  • خلاصه بخش Section Recap

تعمیر و نگهداری مدل Model maintenance

  • مقدمه (آنچه در این بخش خواهید آموخت) Intro (what you will learn in this section)

  • خراب شدن مدل به چه صورت است؟ What does model deterioration look like?

  • چرا مدل ها خراب می شوند؟ Why do models deteriorate?

  • سه سطح نگهداری برای مدل های مستقر شده Three levels of maintenance for deployed models

  • خلاصه بخش Section Recap

--------------------------- قسمت 3: آماده سازی داده ها ------------------ --------- --------------------------- Part 3: Data Preparation ---------------------------

  • به قسمت 3 خوش آمدید Welcome to Part 3

ابزارهای هوش تجاری (BI). Business Intelligence (BI) Tools

  • مقدمه (آنچه در این بخش خواهید آموخت) Intro (what you will learn in this section)

  • کار با دیتا Working with Data

  • انبار داده چیست؟ پایگاه داده چیست؟ What is a Data Warehouse? What is a Database?

  • راه اندازی Microsoft SQL Server 2014 برای تمرین Setting up Microsoft SQL Server 2014 for practice

  • مهم: پایگاه داده تمرین Important: Practice Database

  • ETL برای علم داده - بار تبدیل استخراج (ETL) چیست؟ ETL for Data Science - what is Extract Transform Load (ETL)?

  • Microsoft BI Tools: SSDT-BI چیست و SSIS/SSAS/SSRS چیست؟ Microsoft BI Tools: What is SSDT-BI and what are SSIS/SSAS/SSRS ?

  • نصب SSDT با MSVS Shell Installing SSDT with MSVS Shell

ETL فاز 1: کشمکش داده ها قبل از بارگذاری ETL Phase 1: Data Wrangling before the Load

  • مقدمه (آنچه در این بخش خواهید آموخت) Intro (what you will learn in this section)

  • در حال آماده سازی ساختار پوشه خود برای پروژه Data Science خود Preparing your folder structure for your Data Science project

  • مجموعه داده این بخش را دانلود کنید Download the dataset for this section

  • دو کاری که باید قبل از بارگیری انجام دهید Two things you HAVE to do before the load

  • Notepad ++ Notepad ++

  • Editpad Lite Editpad Lite

ETL فاز 2: راهنمای گام به گام برای آپلود داده ها با استفاده از SSIS ETL Phase 2: Step-by-step guide to uploading data using SSIS

  • مقدمه (آنچه در این بخش خواهید آموخت) Intro (what you will learn in this section)

  • شروع و پیمایش یک پروژه SSIS Starting and navigating an SSIS Project

  • ایجاد یک وظیفه منبع فایل مسطح و مقصد OLE DB Creating a flat file source task and OLE DB destination

  • راه اندازی اتصال منبع فایل مسطح Setting up your flat file source connection

  • راه اندازی اتصال پایگاه داده خود و ایجاد یک جدول RAW Setting up your database connection and creating a RAW table

  • آپلود و غیرفعال کردن را اجرا کنید Run the Upload & Disable

  • بررسی دقیق: تضمین کیفیت آپلود Due Dilligence: Upload Quality Assurance

رسیدگی به خطاها در طول ETL (فاز 1 و 2) Handling errors during ETL (Phases 1 & 2)

  • مقدمه (آنچه در این بخش خواهید آموخت) Intro (what you will learn in this section)

  • مجموعه داده این بخش را دانلود کنید Download the dataset for this section

  • چگونه اکسل می تواند داده های شما را خراب کند How excel can mess up your data

  • طرح ضد گلوله برای جدال داده ها قبل از بارگذاری Bulletproof Blueprint for Data Wrangling before the Load

  • خطای SSIS: واجد شرایط متن مشخص نشده است SSIS Error: Text qualifier not specified

  • وقتی فایل منبع شما خراب است چه می کنید؟ (قسمت 1) What do you do when your source file is corrupt? (Part 1)

  • وقتی فایل منبع شما خراب است چه می کنید؟ (قسمت 2) What do you do when your source file is corrupt? (Part 2)

  • خطای SSIS: قطع اطلاعات SSIS Error: Data truncation

  • ترفند مفید برای یافتن ناهنجاری ها در SQL Handy trick for finding anomalies in SQL

  • مدیریت خودکار خطا در SSIS: تقسیم شرطی Automating Error Handling in SSIS: Conditional Split

  • مدیریت خودکار خطا در SSIS: تقسیم شرطی (سطح 2) Automating Error Handling in SSIS: Conditional Split (Level 2)

  • نحوه تجزیه و تحلیل فایل های خطا How to analyze the error files

  • دقت لازم: تنها کاری که هر بار باید انجام دهید Due Dilligence: the one thing you HAVE to do every time

  • انواع خطاها در SSIS Types of Errors in SSIS

  • خلاصه Summary

  • مشق شب Homework

برنامه نویسی SQL برای علم داده SQL Programming for Data Science

  • مقدمه (آنچه در این بخش خواهید آموخت) Intro (what you will learn in this section)

  • مجموعه داده این بخش را دانلود کنید Download the dataset for this section

  • آشنایی با MS SQL Management Studio Getting To Know MS SQL Management Studio

  • میانبر برای آپلود داده ها Shortcut to upload the data

  • SELECT * بیانیه SELECT * Statement

  • استفاده از عبارت WHERE برای فیلتر کردن داده ها Using the WHERE clause to filter data

  • نحوه استفاده از Wildcards/Regular Expressions در SQL (% و _) How to use Wildcards / Regular Expressions in SQL (% and _)

  • نظرات در SQL Comments in SQL

  • سفارش توسط Order By

  • انواع داده ها در SQL Data Types in SQL

  • تبدیل داده های ضمنی در SQL Implicit Data Conversion in SQL

  • استفاده از Cast() در مقابل Convert() Using Cast() vs Convert()

  • کار با NULL ها Working with NULLs

  • درک نحوه عملکرد اتصالات LEFT، RIGHT، Inner و OUTER Understanding how LEFT, RIGHT, INNER, and OUTER joins work

  • با مقادیر تکراری می پیوندد Joins with duplicate values

  • پیوستن در چندین زمینه Joining on multiple fields

  • تمرین پیوستن Practicing Joins

ETL فاز 3: کشمکش داده ها پس از بارگذاری ETL Phase 3: Data Wrangling after the load

  • مقدمه (آنچه در این بخش خواهید آموخت) Intro (what you will learn in this section)

  • جداول RAW، WRK، DRV RAW, WRK, DRV tables

  • مجموعه داده این بخش را دانلود کنید Download the dataset for this section

  • اولین Proc ذخیره شده خود را در SQL ایجاد کنید Create your first Stored Proc in SQL

  • اجرای رویه های ذخیره شده Executing Stored Procedures

  • اصلاح رویه های ذخیره شده Modifying Stored Procedures

  • ایجاد جدول Create table

  • درج INTO Insert INTO

  • بررسی کنید که آیا جدول وجود دارد + جدول حذف + برش دادن Check if table exists + drop table + Truncate

  • خلاصه میانی - Procs Intermediate Recap - Procs

  • proc را برای فایل دوم ایجاد کنید Create the proc for the second file

  • اضافه کردن صفرهای ابتدایی Adding leading zeros

  • تبدیل داده ها در پرواز Converting data on the fly

  • چگونه یک قالب proc ایجاد کنیم How to create a proc template

  • فرآیندهای بایگانی Archiving Procs

  • کارهایی که می توانید با این جداول در آینده انجام دهید [فایل های drv و غیره] What you can do with these tables going forward [drv files etc.]

رسیدگی به خطاها در طول ETL (فاز 3) Handling errors during ETL (Phase 3)

  • مقدمه (آنچه در این بخش خواهید آموخت) Intro (what you will learn in this section)

  • مجموعه داده این بخش را دانلود کنید Download the dataset for this section

  • داده ها را در جدول RAW آپلود کنید Upload the data to RAW table

  • ایجاد Stored Proc Create Stored Proc

  • نحوه برخورد با خطاها با استفاده از تابع isnumeric() How to deal with errors using the isnumeric() function

  • نحوه برخورد با خطاها با استفاده از تابع len() How to deal errors using the len() function

  • نحوه برخورد با خطاها با استفاده از تابع isdate(). How to deal with errors using the isdate() function

  • بررسی تضمین کیفیت اضافی: تعادل Additional Quality Assurance check: Balance

  • بررسی تضمین کیفیت اضافی: کد پستی Additional Quality Assurance check: ZipCode

  • بررسی تضمین کیفیت اضافی: تولد Additional Quality Assurance check: Birthday

  • قسمت تکمیل شد Part Completed

  • خطای ETL در مدیریت پروژه "خدمات خودرو". ETL Error Handling "Vehicle Service" Project

--------------------------- قسمت 4: ارتباطات ------------------- -------- --------------------------- Part 4: Communication ---------------------------

  • به قسمت 4 خوش آمدید Welcome to Part 4

کار با مردم Working with people

  • مقدمه (آنچه در این بخش خواهید آموخت) Intro (what you will learn in this section)

  • کار بین بخشی Cross-departmental Work

  • با یک مشکل تجاری به سراغ من بیایید Come to me with a Business Problem

  • تنظیم انتظارات و ارتباطات قبل از پروژه Setting expectations and pre-project communication

  • برو کنارشان بنشین Go and sit with them

  • هنر "نه" گفتن The art of saying "No"

  • گاهی باید به اوج رفت Sometimes you have to go to the top

  • ایجاد فرهنگ داده Building a data culture

ارائه برای دانشمندان داده Presenting for Data Scientists

  • مقدمه (آنچه در این بخش خواهید آموخت) Intro (what you will learn in this section)

  • مطالعه موردی Case study

  • تجزیه و تحلیل مقدمه Analysing the intro

  • تشریح مقدمه - خلاصه Intro dissection - recap

  • مقدمه ارائه REAL Science Science - مخاطبان خود را وادار کنید بگویند "WOW" REAL Data Science Presentation Walkthrough - Make Your Audience Say "WOW"

  • روش طوفان فکری من My brainstorming method

  • نحوه ارائه به مدیران How to present to executives

  • حقیقت همیشه زیبا نیست The truth is not always pretty

  • اشتیاق و فاکتور عجب Passion and the Wow-factor

  • اضافی: ارائه کامل من | LIVE 2015 Extra: my full presentation | LIVE 2015

  • اضافی: پیوندهایی به نمونه های دیگر داستان سرایی خوب Extra: links to other examples of good storytelling

راه حل تکالیف Homework Solutions

  • داده کاوی پیشرفته با جدول: تجسم امتیاز اعتباری و تصدی Advanced Data Mining with Tableau: Visualising Credit Score & Tenure

  • داده کاوی پیشرفته با Tableau: تست Chi-Squared برای کشور Advanced Data Mining with Tableau: Chi-Squared Test for Country

  • مدیریت خطای ETL (فاز 1 و 2) ETL Error Handling (Phases 1 and 2)

  • خطای ETL در مدیریت پروژه "خدمات خودرو" (بخش 1 از 3) ETL Error Handling "Vehicle Service" Project (Part 1 of 3)

  • خطای ETL در رسیدگی به پروژه "خدمات خودرو" (بخش 2 از 3) ETL Error Handling "Vehicle Service" Project (Part 2 of 3)

  • خطای ETL در مدیریت پروژه "خدمات خودرو" (بخش 3 از 3) ETL Error Handling "Vehicle Service" Project (Part 3 of 3)

  • با تشکر از شما ویدیو جایزه THANK YOU bonus video

پیشنهاد ویژه Special Offer

  • ***پاداش ویژه شما*** ***YOUR SPECIAL BONUS***

نمایش نظرات

Udemy (یودمی)

یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.

یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.

آموزش Data Science A-Z™: تمرینات عملی و پاداش ChatGPT [2023]
جزییات دوره
21 hours
216
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
211,271
4.5 از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Kirill Eremenko Kirill Eremenko

دانشمند داده

اسم من کریل ارمنکو است و از اینکه شما دارید این مطلب را می خوانید بسیار روان هستم!

من به طور حرفه ای یک مشاور مدیریت علوم داده با بیش از پنج سال تجربه در امور مالی، خرده فروشی، حمل و نقل و سایر صنایع هستم. من توسط بهترین مربیان تجزیه و تحلیل در Deloitte استرالیا آموزش دیدم و امروز از Big Data برای هدایت استراتژی تجاری، بهبود تجربه مشتری و متحول کردن فرآیندهای عملیاتی موجود استفاده می کنم.

از دوره های من بلافاصله متوجه خواهید شد که چگونه تجربه واقعی زندگی و پیشینه تحصیلی خود را در فیزیک و ریاضیات ترکیب می کنم تا مربیگری گام به گام حرفه ای را در فضای علم داده ارائه دهم. من همچنین علاقه زیادی به سخنرانی عمومی دارم و به طور مرتب در دانشگاه ها و رویدادهای صنعتی پیشرو استرالیا در Big Data حضور دارم.

به طور خلاصه، من کاملاً و کاملاً مشتاق علوم داده هستم و مشتاقانه منتظر هستم تا اشتیاق و دانش خود را با شما به اشتراک بگذارم!

SuperDataScience Team SuperDataScience Team

کمک به دانشمندان داده برای موفقیت در آنجا ، ما تیم SuperDataScience Social هستیم. هنگام انتشار دوره های جدید SDS ، هنگامی که پادکست های جدید ، وبلاگ ها ، صفحه های اشتراک گذاری و سایر موارد را منتشر می کنیم ، از ما می شنوید! ما در اینجا هستیم تا به شما کمک کنیم در لبه پیشرفته علم و فناوری داده بمانید. در کلاس می بینمت، خالصانه، افراد واقعی در SuperDataScience

Ligency Team Ligency Team

کمک به دانشمندان داده برای موفقیت در آنجا ، ما تیم روابط عمومی و بازاریابی Ligence هستیم. هنگامی که دوره های جدید منتشر می شوند ، وقتی پادکست های جدید ، وبلاگ ها ، صفحه های اشتراک گذاری و غیره منتشر می کنیم ، از ما می شنوید! ما در اینجا هستیم تا به شما کمک کنیم در لبه پیشرفته علم و فناوری داده بمانید. در کلاس می بینمت، خالصانه، افراد واقعی در معرض خطر