لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش پایتون برای علوم داده قسمت 1
Python for Data Science Essential Training Part 1
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: Python for Data Science Essential Training یکی از محبوب ترین دوره های علوم داده در LinkedIn Learning است. اکنون برای دستیابی به تجربه عملی بیشتر با پایتون ، به دو قسمت به روز شده و گسترش یافته است. در این دوره ، لیلیان پیرسون ، مربی شما را گام به گام از طریق یک پروژه علمی کاربردی داده هدایت می کند: یک دستگاه تراش دهنده وب که داده ها را از وب بارگیری و تجزیه و تحلیل می کند. در طول راه ، او تکنیک هایی را برای تمیز کردن ، اصلاح مجدد ، تبدیل و توصیف داده های خام معرفی می کند. ایجاد تجسم ؛ حذف پرتگاه ها؛ تجزیه و تحلیل داده های ساده را انجام دهید و با استفاده از کتابخانه Plotly نمودارهای تعاملی ایجاد کنید. شما باید از این آموزش با تجربه برنامه نویسی اساسی که می توانید در سازمان خود استفاده کنید و به سرعت در پروژه های علوم داده های سفارشی خود استفاده کنید ، دور شوید.
موضوعات شامل:
چرا باید از پایتون برای کار با داده استفاده کنیم li>
فیلتر کردن و انتخاب داده ها li>
ادغام و تبدیل داده ها li>
بهترین روشهای تجسم داده li>
تجسم داده ها li>
ایجاد طرح li>
ایجاد گرافیک داده های آماری li>
انجام ریاضیات پایه و جبر خطی li>
تحلیل همبستگی li>
تحلیل چند متغیره li>
منابع داده از طریق وب تراش li>
مقدمه ای برای پردازش زبان طبیعی li>
تجزیه و تحلیل مشارکتی با نقشه li>
سرفصل ها و درس ها
مقدمه
Introduction
حیات علوم داده هک می کند
Data science life hacks
آنچه باید بدانید
What you should know
1. آشنایی با حرفه های داده
1. Introduction to the Data Professions
آشنایی با حرفه های داده
Introduction to the data professions
چهار طعم تجزیه و تحلیل داده ها
The four flavors of data analysis
چرا از پایتون برای تحلیل استفاده می کنید؟
Why use Python for analytics?
نقشه راه دوره سطح بالا
High-level course road map
2. مبانی آماده سازی داده ها
2. Data Preparation Basics
فیلتر و انتخاب
Filtering and selecting
درمان مقادیر گمشده
Treating missing values
حذف نسخه های تکراری
Removing duplicates
جمع بندی و تحول
Concatenating and transforming
گروه بندی و جمع
Grouping and aggregation
3. تجسم اطلاعات 101
3. Data Visualization 101
سه نوع تجسم داده ها
The three types of data visualization
گرافیک داده بهینه را انتخاب کنید
Selecting optimal data graphics
برقراری ارتباط با رنگ و زمینه
Communicating with color and context
4- تجسم داده های عملی
4. Practical Data Visualization
ایجاد گرافیک داده استاندارد
Creating standard data graphics
تعریف عناصر یک طرح
Defining elements of a plot
قالب بندی طرح
Plot formatting
ایجاد برچسب و حاشیه نویسی
Creating labels and annotations
مشاهده سریال های زمانی
Visualizing time series
ایجاد گرافیک داده های آماری
Creating statistical data graphics
5- ریاضیات و آمار پایه
5. Basic Math and Statistics
حساب ساده
Simple arithmetic
جبر خطی پایه
Basic linear algebra
تولید آمار خلاصه
Generating summary statistics
خلاصه داده های دسته بندی شده
Summarizing categorical data
تجزیه و تحلیل همبستگی پارامتری
Parametric correlation analysis
تجزیه و تحلیل همبستگی غیر پارامتری
Non-parametric correlation analysis
توزیع توزیع داده ها
Transforming dataset distributions
تجزیه و تحلیل ارزش شدید برای محیط های خارجی
Extreme value analysis for outliers
تجزیه و تحلیل چند متغیره برای محیط های دور
Multivariate analysis for outliers
6. منابع داده از طریق scraping وب
6. Data Sourcing via Web Scraping
شیء BeautifulSoup
BeautifulSoup object
NavigableString اشیاء
NavigableString objects
تجزیه داده
Data parsing
ضبط وب در عمل
Web scraping in practice
آشنایی با NLP
Introduction to NLP
تمیز کردن و خنثی کردن داده های متنی
Cleaning and stemming textual data
Lemmatizing و تجزیه و تحلیل داده های متنی
Lemmatizing and analyzing textual data
7. تجزیه و تحلیل همکاری با Plotly
7. Collaborative Analytics with Plotly
آشنایی با توطئه
Introduction to Plotly
نمودارهای آماری ایجاد کنید
Create statistical charts
نمودارهای آماری ایجاد کنید
Create statistical charts
نمودارهای خط در Plotly
Line charts in Plotly
نمودارهای نوار و نمودارهای پای در Plotly
Bar charts and pie charts in Plotly
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.
لیلیان پیرسون ، P.E. یک متخصص برجسته در زمینه داده های بزرگ و علوم داده است.
او متخصصان و دانشجویان شاغل را به مهارتهای داده مورد نیاز برای رقابت در اقتصاد مبتنی بر داده محور تجهیز می کند.
لیلیان اخیراً به عنوان مربی علوم داده برای چندین دوره در زمینه آموزش LinkedIn یاد شده است. او همچنین نویسنده چندین کتاب فنی بسیار مرجع توسط انتشارات جان ویلی و پسران ، از جمله شرکت Data Science for Dummies (2017 ، 2015) است و دهه گذشته را در آموزش و مشاوره برای سازمانهای بزرگ فنی در بخش خصوصی گذرانده است. بخش هایی مانند IBM ، BMC ، دل و اینتل و همچنین سازمان های دولتی از نیروی دریایی ایالات متحده تا سطح دولت محلی.
به عنوان بنیانگذار Data-Mania LLC ، لیلیان دوره های آموزشی آنلاین و حضوری و همچنین کارگاه ها و سایر مواد آموزشی را در زمینه داده های بزرگ ، علوم داده و تجزیه و تحلیل داده ها ارائه می دهد.
نمایش نظرات